• No se han encontrado resultados

Modelo de Regresión Lineal Múltiple. Inferencia. Dr. Víctor Aguirre

N/A
N/A
Protected

Academic year: 2021

Share "Modelo de Regresión Lineal Múltiple. Inferencia. Dr. Víctor Aguirre"

Copied!
24
0
0

Texto completo

(1)

Modelo de Regresión

Lineal Múltiple.

Inferencia.

(2)
(3)

Propiedades Estadísticas del

EMC.

n

Proposición 12

Bajo S1 a S5

. ˆ )

(4)
(5)
(6)

Percentiles de la

distribución t(gl).

(7)
(8)

Ejemplo. Y=PNB Agrícola

Taiwán.

Número Año L K PNBAGR ln(L) ln(K) ln(PNB)

(9)

Ejemplo. Y=PNB Agrícola

Taiwán.

) 0736 . 0 ( 179 . 2 4036 . 0 ) ˆ ( E t ˆ ) 0736 . 0 ( 179 . 2 4036 . 0 ) ˆ ( E t ˆ 179 . 2 t 2 r , 15 n 2 025 . 0 2 2 025 . 0 2 025 . 0 + = + − = − = ⇒ = ⇒ = = = β β β β α β superior límite inferior límite 12 gl , 0.05 para confianza de 95% de Intervalo 2

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

(10)
(11)

Ejemplo. Y=PNB Agrícola

Taiwán.

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

(12)
(13)
(14)

Ejemplo. Y=ln(PNBAGR)

Agrícola Taiwán.

Número Año L K PNBAGR ln(L) ln(K) ln(PNB)

(15)

Ejemplo. Y=ln(PNB)

Agrícola Taiwán (log-log).

, 782 . 1 t , 05 . 0 999 . 4 102044 . 0 1 48985 . 0 t 1 : H 1 : H 05 . 0 calc 2 1 2 0 < < = ⇒ = = − = − = < ≥ γ α γ γ 12 gl para ; vs

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

(16)
(17)

Ejemplo. Y=ln(PNB)

Agrícola Taiwán (log-log).

. entonces 12, gl con tablas, De cumple que Note con ; vs 1 . 0 P Valor 25 . 0 924 . 0 5398 . 0 1 49883 . 1 t , H ˆ . 05 . 0 1 : H 1 : H unilateral calc 1 1 1 1 1 0 > > = = − = = > ≤ γ α γ γ

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

(18)

Ejemplo. Y=ln(PNB)

Agrícola Taiwán (log-log).

. que de evidencia hay decir es , rechaza se que lo Por . entonces Excel, por mostrado resultado Del cumple que Note con ; vs 0 H 05 . 0 00021 . 0 P Valor 00043 . 0 P Valor 800 . 4 t , H ˆ . 05 . 0 0 : H 0 : H 2 0 unilateral bilateral calc 1 2 2 1 2 0 > < = = = = > ≤ γ γ α γ γ

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

(19)

Pruebas sobre funciones

lineales de los parámetros.

(20)

Pruebas sobre funciones

lineales de los parámetros.

(21)

Pruebas sobre funciones

lineales de los parámetros.

(22)
(23)

Ejemplo. Y=ln(PNB)

Agrícola Taiwán (log-log).

. Excel por mostrado resultado Del cumple que Note con ; vs 05 . 0 02952 . 0 P Valor 084 . 2 t , H ˆ ˆ . 05 . 0 1 : H 1 : H unilateral calc 1 2 1 2 1 1 2 1 0 < = = + = > + ≤ + γ γ α γ γ γ γ

Cov ( beta gorro) Prueba de hipótesis sobre funciones lineales del vector beta

6.00011581 -1.2605606 0.1121914

-1.2605606 0.29138551 -0.0384267 vector a beta gorro at * beta gorro Cov (beta gorro) * a

0.11219138 -0.0384267 0.010413 0 -3.33875464 1.988683797 -1.148369 1 1.498832059 at * Cov(beta gorro) * a 0.252959 1 0.489851739 0.224945148 -0.028014

Valor hipotético Estadística t gl Valor P (bilateral)

(24)

Intervalo de (1-

α

)% de confianza para

funciones lineales de los parámetros

.

Referencias

Documento similar

Metodología: en primer lugar, se realiza un análisis de regresión múltiple para determinar qué factores tienen mayor efecto sobre el aprendizaje y, posteriormente,

Para ello se estimó un modelo de 2 etapas, donde la primera etapa se orienta a determinar si los factores: edad, nitrógeno, número de corte, tipos de suelo y

(En el modelo presentado este parámetro se omite debido a que la estimación del importe del activo fijo para el ejercicio se calcula utilizando una regresión lineal). En

El análisis de Regresión es una técnica estadística que estudia la naturaleza de las relaciones entre un conjunto de variables con el objetivo de hacer predicciones; tra-

Variables predic toras : (Cons tante), INGRES OS ECONÓMICOS, AÑOS PRACTICANDO ESQUÍ, SA TISFACCIÓN GENE RAL c..

A la hora de realizar el análisis de regresión mediante SPSS existen diferentes métodos para seleccionar los predictores a incluir en el modelo de regresión. Las opciones

– Regresión Lineal, Análisis Discriminante, Regresión logística, Análisis de Varianza, Análisis Conjunto, Análisis de Supervivencia, Análisis de.. Estructuras de

- Aunque el modelo de regresión lineal se hizo con solo dos clases (sofá y silla), este modelo de estimación de distancia se puede aplicar a objetos cuya altura real estén