Professional Documents
Culture Documents
informacin de 30 empresas respecto a una funcin de produccin cobb-douglas simple, en que el producto (q) es explicado por el capital (k) , el trabajo (l) y recursos(t)
y= PRODUCTO X1=CAPITAL X2= TRABAJO X3=RECURSOS EMPRESA PRODUCT RECURSO S O TRABAJO CAPITAL S 1 0.222 7.3 0 0 2 0.395 8.7 0 0.3 3 0.422 8.8 0.7 1 4 0.437 8.1 4 0.2 5 0.428 9 0.5 1 6 0.467 8.7 1.5 2.8 7 0.444 9.3 2.1 1 8 0.378 7.6 5.1 3.4 9 0.494 10 0 0.3 10 0.456 8.4 3.7 4.1 11 0.452 9.3 3.6 2 12 0.112 7.7 2.8 7.1 13 0.432 9.8 4.2 2 14 0.101 7.3 2.5 6.8 15 0.232 8.5 2 6.6 16 0.306 9.5 2.5 5 17 0.0923 7.4 2.8 7.8 18 0.113 7.8 2.8 7.7 19 0.0764 7.7 3 8 20 0.439 10.3 1.7 4.2 21 0.0944 7.8 3.3 8.5 22 0.117 7.1 3.9 6.6 23 0.072 7.7 4.3 9.5 24 0.0412 7.4 6 10.9 25 0.251 7.3 2 5.2 26 0.00002 7.6 7.8 20.7 Fuente: Maddala, Pg. 231
TRABAJO
10.5 10.0 9.5 9.0 8.5 8.0 7.5 7.0 02 04 06 08 10 12 14 16 18 20 22 24 26
Segn la grfica podemos ver que el comportamiento de la fuerza del trabajo para las 26 empresas es fluctuante es decir son diferentes.
CAPITAL
8 7 6 5 4 3 2 1 0 02 04 06 08 10 12 14 16 18 20 22 24 26
Vemos tambin que en el caso del capital tambin hay cierta variacin en el comportamiento de la influencia del campital por lo que ser necesario mas adelante adecuar el modelo.
De igual manera en el caso de la variable recursos tambin podemos ver una cierta tendencia a crecer segn el orden de las empresas seleccionadas. ESTIMACION DE LOS PARMETROS Y DEL MODELO DE REGRESIN
Y= -0.369865 +0.086562X1+0.024466X2-0.028608X3 + e
PRUEBA DE SUPUESTOS BASICOS
NORMALIDAD HO: LOS DATOS PROVIENEN DE UNA DISTRIBUCIN NORMAL H1: LOS DATOS NO PROVIENE DE UNA DISTRIBUCIN NORMAL
.15 .10 Quantiles of Normal .05 .00 -.05 -.10 -.15 -.10
-.05
.00
.05
.10
.15
Quantiles of RESID
Segn podemos ver en la grfica los datos no se ajustan totalmente a una distribucin normal por lo que es necesario hacer algunos reajustes.
Segn la grafica no se puede asegurar totalmente que hay una distribucin normal , sin embargo la prueba de Jarque-Bera toma el valor de 2.59 por lo que el estadstico de prueba X (0.05.2) = 0.27 es mayor que 0.05 por lo que no se rechaza la hiptesis nula , es decir los datos provienen de una distribucin normal.
PRUEBA DE MULTICOLINEALIDAD
Como podemos darnos cuenta en el presente cuadro el R es igual a 0.866527 por y las probabilidades son menores que 0.05 es decir todos las variables independientes son significativas por lo que no hay presencia de heterocedasticidad.
Matriz de correlaciones
CAPITAL CAPITAL TRABAJO RECURSOS 1 0.3717450 6 0.7243160 5 TRABAJO 0.3717450 6 1 0.4925685 7 RECURSOS 0.7243160 5 0.4925685 7 1
como el determinante no se acerca ni a uno ni a cero vemos que no hay colinealidad entre las variables
PRUEBA DE HETEROCEDASTICIDAD
Ho: NO EXISTE HETEROSCEDASTICIDAD
H1: EXISTE HETEROSCEDASTICIDAD
Como n*R= 8.662914 el cual es menor que X^2(0.05; 9)= 16.9189776; se acepta que los datos no presentan Heteroscedasticidad con un valor P= 0.469 mayor que 0.05.
Segn los resultados de la prueba de Heteroskedasticity Test: Breusch-Pagan-Godfrey n*R^2=3.69563 el cual es menor que X(0.05; 3)= 7.8147279 se acepta que los datos no presentan Heteroscedasticidad con un valor P= 0.2963 mayor que 0.05.
Tambin la grfica de residuales estandarizados no presenta una tendencia determinada Durbin Watson: 1 .2824
auto4
Como podemos observar el estadstico de prueba de Durbin Watson cae en la Zona de indecisin , por lo que no se asegura la auto correlacin , siendo necesario realizar otras pruebas complementarias. PRUEBA DE RACHAS
13.6923 -1.96*2.4364 8 9 8.9169437 10 11 12 13 14 15 16 17 18 ANLISIS DE 19 VARIANZA Grados 20 de libertad 21 3 Regresi n 22 Residuos 22 Total 23 25 24 25 26 ANLISIS DE VARIANZA
0.154922 0.09559
1.6605
auto4
Como se puede apreciar ahora si el valor 1.6605 se encuentra entre la regin de aceptacin de H0 por lo que se ha corregido la auto correlacin.