Practica Econometria

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ECONOMÍA

Econometría I

Trabajo

Practica: multicolinealidad, autocorrelación y heterocedasticidad Profesor: Araujo Arcos Elías Alumno:

Practica: multicolinealidad, autocorrelación y heterocedasticidad  Este trabajo se tiene como objetivo replicar lo aprendido en clases anteriores entorno con los temas de econometría, realizando tres prácticas, que corresponden a: autocorrelacion, multicolinialidad y heterosedasticidad !e plantea un modelo lineal y haciendo uso de Evie"s y las pruebas empleadas necesarias localizaremos la presencia o ausencia de los conceptos mencionados En caso de que nuestro modelo presente errores se realizaran los ajustes convenientes para corre#irlo $e%niciones •

•

•

m!"t#co"#nea"#$a$: se desi#na a una relación lineal &perfecta' o e(acta entre al#unas o todas las variables e(plicativas de un modelo de re#resión a!tocorre"ac#on: es la correlación entre miembros de series de observaciones ordenadas en el tiempo o en el espacio correlación reza#ada de una serie dada consi#o misma o dos series diferentes %eteroce$a&t#c#$a$  en la desi#ualdad de las dispersiones de perturbación por lo cual la varianza de error no es contante o i#ual

Partiendo de nuestro modelo lineal:  )A* + - . /01 . 20* . 3045 $ónde:  )a#+ Producto interno bruto trimestral, 6nidad de 5edida: 5iles de pesos a precios de -772 45 + 4endimiento 89on ;a< $el maíz como #rano 1 + =onsumo de fertilizantes en toneladas * + #anado en pie 8Aves, bovino, caprino, ovino, porcino< en toneladas ->Pá#ina

El producto a#ropecuario está en función positiva de los rendimientos del maíz, del uso de fertilizantes y del incremento en #anado, esto quiere decir que la producción a#ropecuaria es e(plicada por las demás variables $e este modo al hacer uso de los datos y correr nuestro modelo en Evie"s obtenemos el si#uiente resultado

'ract#ca ( MULTICOLINEALIDAD $ependent ?ariable: )A* 5ethod: @east !quares $ate: --2-3 9ime: -3:/2 !ample: -7B /C Dncluded observations: / ?ariable

=oeFcie nt

!td Error

tG!tatistic

Prob

= 1 * 45

//33 3 H-2- /H2CC/ -7-2/H

2/-BB -7/332 2H3 22/-3

-772C /7CBCC7 2327/2 H/2B/3

 C7 // 

4Gsquared 7-H Adjusted 4Gsquared 7CB73 !E of re#ression -3C- H-E.!um squared resid 2 G @o# liIelihood 3-7CB7 $urbinGJatson stat -H27HB2

3H3HH3 5ean dependent var 7 !$ dependent var B/C2C/B AIaiIe info criterion 2-2B2C/ !ch"arz criterion

2-HHC

1Gstatistic Prob81Gstatistic<

/C27C3

!e puede ver en el cuadro que el 4Gsquared 84/< asume un valor de 7-H, este es un valor relativamente alto, por lo que concluimos que las variables independientes están e(plicando a la producción a#ropecuaria 8)A*< en un 7-K 5ientras que las variables son

/>Pá#ina

estadísticamente si#ni%cativas probabilidad menor a H

puesto

que

todas presentan

una

Para determinar si e(iste alta multicolinealidad por medio de la matriz de correlaciones se su#iere observar el coe%ciente de correlación entre dos re#resoras, si al#uno de estos es mayor al coe%ciente de determinación de la re#resión ori#inal 84 /<, entonces tenemos presencia de alta multicolinealidad

Planteamos la si#uiente prueba de hipótesis ;o: Lo multicolinealidad ;a: 5ulticolinealidad

En el cuadro observamos que el coeficiente de correlación de las variables RM vs G es 0.941067 < 0. 0.97177 del R !  que se obtuvo del "uadro anterior# entonces se conclu$e que se est% ante nula multicolinealidad.

el modelo es si#ni%ctivo y no presenta problemas de multicolinealidad sin embar#o en caso de que el modelo presente multicolinealidad se recomienda las si#uiente medidas de correcion

() 4eespeci%car la forma funcional, puede cambiarse por una re#resión linealGlo#arítmica y lo#arítmicaGlineal $ebe de tomarse 2>Pá#ina