Heteros Ceda Stic i Dad

4
HETEROSCEDASTICIDAD Crea un archivo en SPSS con los datos correspondientes a Gastos en Transporte e Ingreso de 10 familias (en dólares por mes), con el fin de estimar un modelo lineal simple que explique el gasto de transporte en función del ingreso: Gasto 8 7 3 9 30 24 17 17 42 31 Ingres o mensua l 300 250 200 320 650 700 430 500 760 810 Estima el modelo por mínimos cuadrados ordinarios y guarda los residuos. Indicios de heteroscedasticidad: gráficos y comentario. SOLUCION Estimamos el modelo mediante el método de mínimos cuadrados obteniendo los siguientes resultados, el alto indica que el modelo explica el 94% de la variacion de la variable explicada y la desv. Estándar al ser baja quiere decir que el modelo controla el ruido de manera satisfactoria. Resumen del modelo b Mod elo R R cuadra do R cuadrad o corregi da Error típ. de la estimac ión 1 .945 a .894 .881 4.38205 a. Variables predictoras: (Constante), Ingreso b. Variable dependiente: Gasto

description

Heteros Ceda Stic i Dad

Transcript of Heteros Ceda Stic i Dad

HETEROSCEDASTICIDAD

Crea un archivo en SPSS con los datos correspondientes a Gastos en Transporte e Ingreso de 10 familias (en dlares por mes), con el fin de estimar un modelo lineal simple que explique el gasto de transporte en funcin del ingreso:

Gasto8739302417174231

Ingreso mensual300250200320650700430500760810

Estima el modelo por mnimos cuadrados ordinarios y guarda los residuos.

Indicios de heteroscedasticidad: grficos y comentario.

SOLUCION

Estimamos el modelo mediante el mtodo de mnimos cuadrados obteniendo los siguientes resultados, el alto indica que el modelo explica el 94% de la variacion de la variable explicada y la desv. Estndar al ser baja quiere decir que el modelo controla el ruido de manera satisfactoria.

Resumen del modelob

ModeloRR cuadradoR cuadrado corregidaError tp. de la estimacin

1.945a.894.8814.38205

a. Variables predictoras: (Constante), Ingreso

b. Variable dependiente: Gasto

La ANOVA indica que el modelo es significativo.

ANOVAb

ModeloSuma de cuadradosglMedia cuadrticaFSig.

1Regresin1293.98111293.98167.386.000a

Residual153.619819.202

Total1447.6009

a. Variables predictoras: (Constante), Ingreso

b. Variable dependiente: Gasto

De la misma forma, la variable regresora es significativa y el factor de inflacin de la varianza indica ausencia de multicolinealidad.

ModeloCoeficientes no estandarizadosCoeficientes tipificadosSig.Estadsticos de colinealidad

BError tp.BetaToleranciaFIV

1(Constante)-7.4273.483.066

Ingreso.053.006.945.0001.0001.000

El cuadro resumen de los residuos residuos no parece sealar puntos atipicos que sean difcil de explicar por el modelo, esto se nota por la distancia de Cook cuyo mayor valor alcanza 0.968 que es un valor que se mantiene controlado.

Estadsticos sobre los residuosa

MnimoMximoMediaDesviacin tpicaN

Valor pronosticado3.234335.751718.800011.9906510

Valor pronosticado tip.-1.2981.414.0001.00010

Error tpico de valor pronosticado1.3872.4871.929.36510

Valor pronosticado corregido3.328738.009218.816312.1308010

Residual-5.887918.91365.000004.1314410

Residuo tp.-1.3442.034.000.94310

Residuo estud.-1.4982.361-.0011.08410

Residuo eliminado-7.3142712.00864-.016265.4751310

Residuo eliminado estud.-1.6514.011.1391.54510

Dist. de Mahalanobis.0011.999.900.66210

Distancia de Cook.001.968.174.31310

Valor de influencia centrado.000.222.100.07410

a. Variable dependiente: Gasto

Mediante el mtodo grfico se observa que se cumple el supuesto de normalidad, ms no el de heterocedasticidad, dado a que el comportamiento de los residuales el variable y finalmente se encuentra un problema de autocorrelacion positiva.

EMBED MtbGraph.Document.16

_1478549246