

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
En este documento se presentan los resultados obtenidos al analizar distintos modelos regresivos para determinar el salario de jugadores de básquetbol, basándose en variables como el salario del año pasado, años de experiencia, partidos jugados y rendimiento físico. Se evalúan los modelos (1), (2), (3), (4) y (5) mediante la significatividad probabilística conjunta, criterios aic-akaike y schwarz, y se contrastan las variables relacionadas con el rendimiento físico. Se pide también determinar la especificación más adecuada entre modelos (3) y (4), y verificar si se ha cometido algún error de especificación o omisión de variables en modelo (2).
Tipo: Ejercicios
1 / 3
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!


Modelo (2)
Dependent Variable: LOG(SALARY) Method: Least Squares Included observations: 353 Variable Coefficient Std. Error t-Statistic Prob. C 11.22380 0.108312 103.6247 0. YEARS 0.071318 0.012505 5.703153 0. GAMESYR 0.020174 0.001343 15.02341 0. R-squared 0.597072 Mean dependent var 13. Adjusted R-squared 0.594769 S.D. dependent var 1. S.E. of regression 0.752731 Akaike info criterion 2. Sum squared resid 198.3115 Schwarz criterion 2. Log likelihood -399.1103 F-statistic 259. Durbin-Watson stat 1.193944 Prob(F-statistic) 0.
Modelo (3)
Dependent Variable: SALARY Method: Least Squares Included observations: 353 Variable Coefficient Std. Error t-Statistic Prob. C -927529.2 154549.5 -6.001503 0. YEARS 65267.06 17843.29 3.657792 0. GAMESYR 20652.95 1916.129 10.77848 0. R-squared 0.420862 Mean dependent var 1345672. Adjusted R-squared 0.417553 S.D. dependent var 1407352. S.E. of regression 1074066. Akaike info criterion 30. Sum squared resid 4.04E+14 Schwarz criterion 30. Log likelihood -5401.476 F-statistic 127. Durbin-Watson stat 0.923160 Prob(F-statistic) 0.