¡Descarga Análisis de Regresión Lineal: Heterocedasticidad y Pruebas de Hipotesis y más Apuntes en PDF de Econometría solo en Docsity!
Residuals: 1 2 3 4 5 1.4706 0.9118 -1.5294 -1.6471 0. Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 2.9706 1.6239 1.829 0. x -0.4412 0.6522 -0.676 0. Residual standard error: 1.701 on 3 degrees of freedom Multiple R-squared: 0.1324, Adjusted R-squared: -0. F-statistic: 0.4576 on 1 and 3 DF, p-value: 0.
y x
B2=cov (yx)/var x =0,6/1,36= - 0. B1=2-(- 0.4412*2,2)=2, Y=2,9706 - 0.4412 X Generalizado Var(e)= σ^2 X^
y x = b 1 x
b 2 x x + E x
Y*=b1x +b2 +ε y= - 0,4411X + 2,97+ε
A. Podemos percibir heterocedasticidad cuando los residuos se grafican contra el ingreso dado que los puntos ubicados en la gráfica presentan cambios bruscos lo que dice que hay varianzas variables y no constantes
C.
i.Según la regresión estimada el ingreso en tanto aumente en una unidad aumentara las millas
viajadas en 14.20 y en tanto aumente la edad aumentaran las millas en 15,
ii.En los mco con el test de White tienen una menor varianza lo que sugiere un t* más alto
iii. Si, son mejores estimadores dado que al tener menor varianza pueden hacer al t* mayor por lo
que aumenta la probabilidad de significancia estadística
B. Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -1.566704 0.943729 -1.660 0. gdp 0.073783 0.003713 19.870 <2e-16 *** p -0.078952 0.038209 -2.066 0.0472 *
C. Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 3.106e+00 5.990e-01 5.186 1.67e-05 *** gdp -1.524e-02 5.385e-03 -2.831 0.00849 ** p -1.083e-01 5.998e-02 -1.805 0.. I(gdp^2) -1.535e-05 9.643e-06 -1.592 0. I(p^2) 6.343e-04 5.589e-04 1.135 0. I(gdp * p) 2.388e-04 1.348e-04 1.771 0.
V=r^2 *
V=0,7726*34=26,
Sugiere heterocedasticidad
D
Intervalo de confianza #1 T=b2-c/sse coef 0.073783 - (0.003713 * 19.870 )> b2< 0.073783 + (0.003713 19.870 )
B
C
Valor p=
A. Price=5193,151 + 68,391sqft – 217,843age Al respecto, la regresión nos muestra que el precio aumenta en 68, dólares por cada pie cuadrado de más que tenga la casa y que su precio disminuye en 217,843 por cada año de antigüedad que se le sume a la edad de la casa B
Residual standard error: 1.527e+09 on 934 degrees of freedom
Multiple R-squared: 0.0375, Adjusted R-squared: 0.
F-statistic: 7.278 on 5 and 934 DF, p-value: 1.063e-
R_squared: 0. N: 940 V=0,0356940=35, H0:* α= HI: α> Se realiza la prueba de hipótesis con un qchisq(0.95 ,5) que arroja un valor de 11.075 y con un valor ( V ) de 35.25, lo que indica la existencia de heterocedasticidad D. Estimate Std. Error t value Pr(>|t|) (Intercept) 1.6379e+01 3.1256e-01 52.401 < 2.2e-16 *** sqft 1.4142e-03 2.1038e-04 6.722 3.108e-11 ***
E
t test of coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 8490.7289 3109.4697 2.7306 0.006441 **
sqft 65.3273 2.0825 31.3695 < 2.2e-16 ***
age -187.6612 29.2850 -6.4081 2.33e-10 ***
---
Signif. codes: 0 '' 0.001 '' 0.01 '' 0.05 '.' 0.1 ' ' 1
F Prices= 8490.7289 + 65.3273sqft - 187.6612age Casa 1 Prices= 8490.7289 + 65.3273 (1204) - 187.6612 (25) Prices= 82453. Casa 2 Prices= 8490.7289 + 65.3273 (1543) - 187.6612 (19) Prices= 105725.
