4

SOLUCIN
Vamos a realizar el ejercicio con la aplicacin: Gretl, para ello lo primero es importar
los datos del ejercicio que estn en el archivo de excel: Pract_1_datos.xls:




Se abre un cuadro de dialogo en el que tenemos que buscar el directorio donde se encuentren
los datos y seleccionar de l el archivo de excel "Pract_1_datos.xls". Antes de importar el
archivo debemos abrirlo en excel para saber cuntas variables y nmero de observaciones
hay, para saber si las variables tienen puesto el nombre, y si hay o no referencia al periodo o
como en este caso al individuo al que se refieren los datos. En nuestro archivo de excel
tenemos 10 columnas con datos. LA primera es un contador de individuos, de 1 a 177. En la
primera fila tenemos puesto en nombre de las variables. Por tanto podemos importar
dicindole a gretl que lo haga desde la columna y la fila 1:



Nos dice gretl que interpreta los datos como de seccin cruzada pero que si queremos darle
interpretacin de serie temporal que le digamos que "s". En nuestro caso la muestra son
individuos para los que tenemos informacin de la variable endgena y de las explicativas, o
sea que le decimos "no".

A).- Estimar por MCO el siguiente modelo suponiendo que cumple todas las hiptesis
bsica (Objeto: EQ01)y escriba la recta de regresin muestral:
5






Lo que me permite escribir la recta de regresin muestral:

S 619.8 0.0196 0.3410 13.2968
i i i i
alary sales profits ceoten = + + +

6
La Suma Residual lo da directamente gretl debajo de la estimacin.
SR= 49032750
El coeficiente de determinacin y el corregido tambin da directamente gretl debajo
de la estimacin.
R
2
.= 0.193089...
2
R =0.179096

Para obtener la Suma Total y la Explicada Debemos operar conocidos R
2
y
2
2
49032750
1 60765996.3
1 1 0.193089
11733245.3
SR SR
R ST
ST R
SE ST SR
= = = =

= =


Tambin podramos haberle pedido a Gretl que nos de la SE, SR y ST, eso se hace desde el
men de la ecuacin estimada, en Anlisis, ANOVA:





En el cuadro, Suma de cuadrados de la regresin es la SE, suma de cuadrados del residuo es
la SR y suma de cuadrados de total es la ST. Adems, debajo nos da el clculo del coeficiente
de determinacin y la F del Anlisis de la Varianza.

Interpretacin del coeficiente de la variable sales: Por cada milln de dlares que
aumenten las ventas de la empresa, el sueldo del individuo aumentar en 19.6 dlares

Interpretacin del coeficiente de la variable Ceoten: Por cada ao adicional de director
ejecutivo en la empresa el salario aumenta en 1326.8 dlares

Manteniendo los dems factores constantes (en cada caso).
7
B.- Contraste la significatividad individual de las siguientes variables al 1 al 5 y al 10%:
A partir del cuadro de la estimacin anterior:


Podemos ver en la ltima columna el p-valor: probabilidad de que el estadstico tome ese
valor si la hiptesis de no significatividad fuera cierta. Cuanto ms prximo a cero menos
credibilidad tiene la hiptesis nula. Cuanto ms pequeo podremos rechazar la hiptesis nula
a un nivel de significacin menor.
Al lado del p-valor tenemos unas estrellas que nos estn indicando a que nivel de
significacin menor de entre el 1% (***), el 5% (**) y el 10% (*) podemos rechazar la
hiptesis nula.
Como vemos, que la constante no sea significativa podemos rechazarlo incluso al 1%; Los
parmetros que acompaan a beneficios y el nmero de aos de experiencia en direccin
concluimos que son significativos (rechazamos la Ho) si consideramos que la hiptesis no es
cierta a partir de un p-valor inferior al 5%.
Mientras que para rechazar la hiptesis nula de que las ventas no afectan al salario debemos
utilizar un nivel de significacin superior al 7.51% por ejemplo al 10%

Objeto
EQ01

H
0
EstadsticP-valor Conclusin Es significa-
al l%?

Es significa-
al 5%?
Es significa-
al l0%?
consta |
1
=0 9.46 0.0000 Rechazo H
0
(no
significatividad) c
SI SI SI
Sales |
2
=0 1.79 0.0751 Rechazo H
0
(no
significatividad)
c > 7.51
NO NO SI
Profits |
3
=0 2.07 0.0402 Rechazo H
0
(no
significatividad)
c > 4.02
NO SI SI
ceoten |
4
=0 2.36 0.0194 Rechazo H
0
(no
significatividad)
c > 1.94
NO SI SI

C.- Contraste al 5% de nivel de significacin las siguientes hiptesis nulas:

Objeto:

Estadstico de contraste Distribucin p-valor

Objeto: HIP_1
1 :
3 0
= | H

1 3
: 1 H | =

3
2
2
2 3

1 0.341 1
0.1649
F t
|
|
o
| |
| |
| = = =
|
|
\ .
\ .
=15.95397
F(1, 177-4) P < 0.0001

8
Para contrastar desde el men del modelo, elijo las opciones "contrastes" y
"restricciones lineales".



Despus escribo la restriccin en el cuadro de dialogo:


Y el resultado lo muestra en el siguiente cuadro que se completa con la estimacin del
modelo restringido. A nosotros nos interesa el resultado del estadstico F=15.95 con un
p valor inferior al 1% por lo que rechazamos la hiptesis nula prcticamente para
cualquier nivel de significacin.


Guardamos esta salida como un icono y le cambiamos el nombre a HIP_1

Para contrastar la Hip_2 usamos el resultado obtenido en Hip_1 porque la hiptesis nula
es la misma. La diferencia radica en que ste es un contraste de una sola cola, por lo que
tenemos que utilizar el estadstico t, y acumular el nivel de significacin en un solo
extremo de la distribucin:

Objeto: HIP_2
0 3
: 1 H | =
3
: 1
A
H | <
=

= =
3

|
o
|
F t -3.9942
t
(177-4)

-t
0.05(177-4) =
-1.64
Conclusin: -3.99 < -1.64 Por lo que rechazamos la hiptesis nula.

9
Para el resto de las hiptesis procedemos de la misma manera que en el primer contraste
Objeto: HIP_3
0 2 3
: 0 H | | = =
F=18.50838 F(2, 177-4) P-valor=0
Conclusin y interpretacin econmico del resultado del contraste: Rechazamo
hiptesis nula a cualquier nivel de significacin p > 5.20023*10
-8


Salida de gretl:
Conjunto de restricciones
1: b[SALES] = 0
2: b[PROFITS] = 0

Estadstico de contraste: F(2, 173) = 18.5084, con valor p = 5.20023e-008

Objeto: HIP_4
H
0
: No sign. conjunta de todos
los parmetros de posicin
F=127.3998 F(4,173) P=0
Conclusin y interpretacin econmica del resultado del contraste: Rechazamos la hiptes



Objeto: HIP_5
4 3 2 1 0
: | | | | = = = H

F=86.55659 F(3,173) P=0
Conclusin y interpretacin econmica del resultado del contraste:
rechazamos la H
0

Estadstico de contraste: F(3, 173) = 86.5566, con valor p = 2.99959e-034
Objeto: HIP_6
0 3 4
: 0 H | | + =
F=5.8751 F(1,173 P=0.016
Conclusin y interpretacin econmica del resultado del contraste:
Al 5% rechazo la Ho pero al 1% acepto.

Objeto: HIP_7
H
0
: Anlisis de la varianza

F=13.79925 F(3,173) p=0


D.- Obtenga el grfico de los residuos y comente si cree que cumplen las hiptesis
deseadas.
Desde el men de la ecuacin:

10


No ofrece el correlograma de los residuos porque es un modelo de corte transversal.

E. Obtenga las correlaciones entre las variables explicativas del modelo e indique a qu
hiptesis de las asumidas en el MLG afectan.
Desde el men de la pantalla inicial, "ver", "matriz de correlaciones"



Obtenemos:
CEOTEN SALES PROFITS
CEOTEN 1.0000 -0.0677 -0.0216
SALES 1.0000 0.7983
PROFITS 1.0000

Las variables: Beneficio y Ventas estn corrrelacionadas casi en un 80%. Afecta a la
hiptesis de no multicolinealidad. Aunque no exista multicolinealidad exacta (100%) s
que hay aproximada por el alto grado de correlacin entre estas variables.

F. Dado el MLG anterior obtenga mediante dos mtodos alternativos el valor del
estadstico F para realizar el contraste la siguiente hiptesis nula:
0 2 3
: 0 H | | = = .

- Mediante restriccin utilizando el estadstico
) , ( ~

( ] ' ) ' ( [ )'

(
2
1 1
k T r F
r
C R R X X R C R
F

=

o
| |

donde
2 r
0
0
C
0 1 0 0
0 0 1 0
=
|
|
.
|

\
|
=
|
|
.
|

\
|
= R
.
11
- Mediante diferencia de SR. Cuando anteriormente hemos realizado el
contraste de hiptesis HIP_3, hemos obtenido este resultado:

En la parte baja del cuadro aparece el modelo estimado bajo la restriccin, el
modelo restringido, es decir 1 2 i i i
Salary ceoten u = + +

Para obtener la SR de ese modelo restringido a partir de la desviacin tpica
MCO estimada de los residuos:
2 2
SR=583'214 (177 2) 59.524.271
SR
T k
o = =

SR
modelo_1~mod Amplio
..= 49032750 (El modelo de partida)
SR
modelo_2~mod.restringido
.= 59524271

59524271 49032750 177 4
18' 5083
49032750 2
R A A
A
SR SR T k
F
SR r

= = =



Tambin se puede calcular con los dos modelos estimados a partir del R
2
:
(Habra que estimar el modelo restringido para obtener el valor del R2).

5064 . 18
2
4 177
) 193089 . 0 1 (
020434 . 0 193089 . 0
) 1 (
2
2 2
=

=
r
k T
R
R R
F
A
A
R A


Se compara con una F(2, 173) al nivel se significacin fijado. Aunque ya hemos
visto en el contraste Hipo_3 que este estadstico tiene un p-valor asociado de
0%.