Ejemplo de modelo enconometrico

UNIVERSIDAD NACIONAL DEL CALLAO

NOTAS DE CLASE DE ECONOMETRIA (LABORATORIO)
ROY MUÑOZ GOMEZ

Macroy.4@gmail.com Rogem4_87@gmail.com

Agradecimiento al Centro de Estudios de Economia Aplicada (CEEA)

DETERMINACION DE LAS VARIABLES Y ELECCION DEL MODELO A TRABAJAR EJERCICIO 1 El director de una cadena hotelera quiere estudiar el sector turistico en españa; para ello dispone de cincovariables relativas al sector hotelero con las que pretende construir un modelo econometrico que le permita conocer el grado de ocupación hotelera (y). los datos disponibles son de corte transversal y pertenecen a cada una de las 17 comunidades autónomas para el último trimestre de 1995. OBSERVACIONES ANDALUCÍA ARAGÓN ASTURIAS BALEARES CANARIAS CANTABRIA CASTILLA Y LEÓN CASTILLA-LA MANCHA CATALUÑACOMUNIDAD VALENCIA EXTREMADURA GALICIA COMUNIDAD DE MADRID MIRCIA NAVARRA PAÍS VASCO LA RIOJA Y 40.16 22.67 23.43 43.51 71.41 18.08 23.65 26.89 35.81 48.20 27.69 22.94 41.58 29.35 22.07 28.85 30.85 X1 X2 421844 2.96 72323 1.76 25581 2.16 75614 10.96 249763 8.16 18022 1.68 126887 1.52 77751 1.5 285090 2.32 143514 5.11 45072 1.57 86473 1.9 317845 1.97 26471 2.93 16470 1.69 57700 1.81 12963 1.92 X3116.7 115.4 117.9 117.2 118.7 116.1 116.7 117.2 116.8 115.3 117.6 117.6 115.9 116.5 120.5 117.1 118.6 X4 1 0 1 1 1 1 0 0 1 0 1 0 1 0 1 0 1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

X1: Número promedio de viajes. X2: Estancia promedia. X3: Renta. X4: Variable de localización geográfica (1 , si la comunidad autónoma tiene zona costera y 0, en caso contrario). El modelo teórico con el que sepretende trabajar es una especificación lineal como la siguiente:

Realizamos la respectiva selección de variables y un contraste de error de especificacion sobre el modelo que considere mas adecuado. a) VEMOS EL CRITERIO DE AKAIKE Y SCHWARZ Como tenemos 4 variables explicativas, realizamos algunas regresiones para poder elegir el mejor modelo a través de estos criterios. Primer modelo.
DependentVariable: Y Method: Least Squares Date: 06/23/11 Time: 00:21 Sample: 1 17 Included observations: 17 Variable C X1 X2 X3 X4 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient -181.5765 5.82E-05 3.283160 1.697576 -2.771114 0.771123 0.694831 7.279629 635.9160 -54.90771 10.10747 0.000809 Std. Error 198.5911 1.69E-05 0.7107331.698589 4.396278 t-Statistic -0.914323 3.442665 4.619403 0.999403 -0.630332 Prob. 0.3786 0.0049 0.0006 0.3373 0.5403 32.77294 13.17767 7.047965 7.293028 7.072325 2.347176

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

Segundo modelo
Dependent Variable: Y Method: Least Squares Date: 06/25/11 Time: 20:23 Sample: 1 17 Includedobservations: 17 Variable X1 X2 X3 C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 5.41E-05 3.206712 1.152512 -118.6066 0.763545 0.708978 7.108884 656.9711 -55.18458 13.99290 0.000230 Std. Error 1.52E-05 0.683882 1.427712 167.6091 t-Statistic 3.555371 4.688983 0.807244 -0.707638 Prob. 0.0035 0.0004 0.4340 0.4917 32.7729413.17767 6.962892 7.158942 6.982380 2.445439

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

Tercer modelo
Dependent Variable: Y Method: Least Squares Date: 06/25/11 Time: 20:24 Sample: 1 17 Included observations: 17 Variable X1 X2 C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihoodF-statistic Prob(F-statistic) Coefficient 5.08E-05 3.257840 16.67247 0.751692 0.716220 7.019883 689.9026 -55.60032 21.19082 0.000058 Std. Error 1.45E-05 0.672418 3.004335 t-Statistic 3.510076 4.844963 5.549471 Prob. 0.0035 0.0003 0.0001 32.77294 13.17767 6.894155 7.041193 6.908771 2.440799

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson...