Professional Documents
Culture Documents
INTEGRANTES:
Es por ello que en este informe se quiere lograr el objetivo, a través de la econometría, de poder
estimar el modelo a través de mínimo cuadrado ordinario y hallar por distintas vías si existe
colinealidad y efectuar posibles soluciones ante ello. El modelo lineal general es un instrumento
estadístico muy eficaz y de uso amplio. Sin embargo, como en todas las aplicaciones estadísticas
la eficacia del método depende de que se cumpla las hipótesis básicas en cada aplicación
concreta (J. JOHNSTON).
𝒎 = 𝑹 − ∑( 𝑹𝟐 − 𝑹𝟐𝒉 )
𝟐
𝒉=𝟏
Analizando los datos con el programa Eviews tenemos obtuvimos los siguientes resultados
Podemos ver con el F estadístico que las variables en conjunto son significativas para el
modelo, pero al analizar la significancia individual de cada variables explicativas podemos
observar que las Rentas Agrarias y las Rentas No Salariales no Agrarias no son significativas
para el modelo ya que al tener un 𝑅 2 y un estadístico “t” bajo puede que exista colinealidad
entre ellas por lo que utilizaremos diferentes medios para probar su existencia.
Correlation RA RNA WA
RA 1.000000 0.604030 0.913933
RNA 0.604030 1.000000 0.703625
WA 0.913933 0.703625 1.000000
Hallamos la raíz cuadrada de los elementos de la matriz X’X por medio del comando
“Sym m=sqr(XX)”; cabe aclarar que XX es la matriz X’X. Ahora la matriz que
tendremos será
4.472136 0 0 0
𝑏=( 0 25.86480 0 0 )
0 0 246.0958 0
0 0 0 80.18507
Ahora para obtener la matriz “S” tenemos que invertir la matriz “b” ingresando el
siguiente comando “sym s=@inverse(b)” con lo cual obtendremos:
0.223607 0 0 0
𝑆=( 0 0.038663 0 0 )
0 0 0.004063 0
0 0 0 0.012471
Con esta matriz ya podemos hallar nuestra matriz X’X normalizada ingresando el
comando “Sym xxn=s*xx*s” con lo cual obtendremos.
Por ultimo para obtener los valores propios de esta matriz ingresaremos el
comando “vector vp=@eigenvalues(xxn)” con lo cual obtendremos los siguientes
datos:
0.004582
𝑣𝑝 = [0.009412]
0.105722
3.880283
Entonces tomaremos los valores de máximos y mínimos de λ para hallar el índice
de condición
√𝝀𝒎𝒂𝒙 √3.880283
𝑲(𝒙) = = = 29.100748
√𝝀𝒎𝒊𝒏 √0.004582
Como podemos observar que 10 < 𝑲(𝒙) < 30 entonces concluimos que hay una
colinealidad media entre las variables.
Correlation RA RNA WA
RA 1.000000 0.604030 0.913933
RNA 0.604030 1.000000 0.703625
WA 0.913933 0.703625 1.000000
Gráfica de distribución
Chi-cuadrada, df=5
0.1 6
0.1 4
0.1 2
0.1 0
Densidad
0.08
0.06
0.04
0.02
0.05
0.00
0 11.07
X
Dependent Variable: RA
Method: Least Squares
Date: 06/13/18 Time: 08:56
Sample: 1 20
Included observations: 20
Dependent Variable: WA
Method: Least Squares
Date: 06/13/18 Time: 08:56
Sample: 1 20
Included observations: 20
- Omitiendo la variable RA
Dependent Variable: CONS
Method: Least Squares
Date: 06/09/18 Time: 10:21
Sample: 1 20
Included observations: 20
- Omitiendo la variable WA
= 0.838471
Calculando la medida de Theil se obtiene que este valor si dista mucho del
coeficiente de determinación de la regresión completa entonces se
puede admitir que si existe colinealidad. Aunque no sea mucho pero si
hay porque está por encima del 80%.