Taller 1: anlisis de correlacin y regresin simple

Parte I: terico

1. Sea , el coeficiente de correlacin lineal entre las variables X y Y.

a) Muestre , = , donde , es el coeficiente de correlacin lineal para las variables =
+ y = + Qu nombre recibe esta propiedad del coeficiente de correlacin lineal?
b) Dada la propiedad anterior, se podra afirmar tambin que: (. ) = ( , )? sustente su
respuesta.
2. Considere el siguiente modelo de regresin lineal simple: + 1 + , con ~ (0, 2 ).
a) Muestre que en esta regresin 1 = 0 implica que 2 = 0
b) Ahora que 2 = 0 esto implica que 1 = 0 ? justifique su respuesta.
c) Demuestre que el 2 de este modelo es igual al coeficiente de correlacin de las variables X y Y,
elevado al cuadrado, es de cir, muestre que; 2 = (, )2

Parte II: aplicado

1. A partir de la base de datos:

a) Elabora un diagrama de dispersin para las variables de inters. intuitivamente que puede concluir
sobre la relacin funcional existente entre las variables?
b) Estime una regresin lineal (mediante MCO) con CONS la variable dependiente y PI la variable
independiente en el software Eviews. Dibuje el resultado sobre un diagrama de dispersin (valores
observados y predichos).

MODELO DE REGRESION LINEAL:

Donde:
 = 4.052638 + 0.004329

DIAGRAMA DE DISPERSIN:

c) Cambia la especificacin del modelo inicial a uno doblemente logartmico (Cobb-Douglas), estmelo
y grafique el resultado sobre el diagrama de dispersin (valores observados y predichos).

NUEVO MODELO DE REGRESION, (DOBLEMENTE LOGARTMICO):

 log = log 1 + log 2

DIAGRAMA DE DISPERSIN:

d) Construya una tabla resumen de los dos modelos (lineal y no lineal) con los principales estadsticos
(R2, Fc, Tc, y criterios de informacin). Al comparar ambos modelos cul de ellos elegira?
 ESTADISTICO MODELO LINEAL MODELO LOG-LOG

R2 (mayor) 0.5702230884935979 0.6848584630911903

Fc (mayor) 31.84292538163136 52.15625739283206

Tc(2) (mayor) 5.642953604419514 7.221928924658417

Akaike (menor) 2.677474632751903 -1.708709831747889

Schwars ( menor) 2.774251289522787 -1.611933174977006

Al comparar ambos modelos, se elige el Modelo NO LINEAL (LOG LOG) porque cumple con
todas las condiciones.

e) Estime el R2 equivalente y elija el mejor modelo, este resultado guarda relacin con la decisin
anterior del punto d?

R2 equivalente para el modelo lineal:

2 2
=1 , = ( 1)

= (25) 1.3294042
= 44.182875
2 18.98877
= 1 44.182875
2
= 0.570223

R2 equivalente para el modelo doblemente logartmico:

2 2
= 1 , = ( 1)

= (25) 0.1732122
= 0.750060
2 0.236375
= 1 0.750060
2
=0.684859
 En este caso tambin se elige el modelo doblemente logartmico, ya que este es mayor
que el R2 equivalente del modelo lineal.

Por lo tanto este resultado si guarda relacin con la decisin anterior d.

f) Para el modelo seleccionado realizar el anlisis estadstico (relevancia, dependencia y ajuste),

utilizar un nivel de significancia del 5% en el caso de prueba de relevancia y dependencia. En todos
los casos interpretar sus resultados de manera exhaustiva.

PRUEBA DE RELEVANCIA ( ):
PASO 1: Planteamiento de la hiptesis:
: 2 = 0
: 2 0

PASO 2: Nivel de significancia:

= 5%

PASO 3: Estadstico de prueba:

2
=
(2 )
0.581078
=
0.080460

= 7.221929

PASO 4: Regiones de decisin:

2 ,(2) = 0.05 = 2.064
2 ,(24)

PASO 5: Criterio de decisin:

Como:
> 2 ,(2)
7.221929 > 2.064

Conclusin: se concluye que se rechaza la hiptesis. El parmetro 2 es significativo al 5%.

PRUEBA DE DEPENDENCIA ( ):
 PASO 1: Planteamiento de la hiptesis:
: 2 = 0
: 2 0

PASO 2: Nivel de significancia:

= 5%

PASO 3: Estadstico de prueba:

= ( )2

= (7.221929)2

= 52.15626

PASO 4: Regiones de decisin:

21 1
2 = 24 = 4.2597

PASO 5: Criterio de decisin y conclusin del investigador.

Como:
1
> 24
52.15626 > 4.2597

Conclusin: Se rechaza la Hiptesis Nula. Podemos afirmar que existe dependencia en el

modelo.

PRUEBA DE AJUSTE:

Sabemos del Modelo (LOG LOG) que:

2 = 0.684858
 INTERPRETACIN.- El 68.48% aproximadamente de la variacin en el consumo de gas
natural se debe a la variacin del ingreso per cpita de las familias.

g) Para el modelo seleccionado realice el anlisis econmico (interpretar el modelo en trminos de los
factores marginales y elasticidades:

EFECTOS MARGINALES:
ELASTICIDADES:
h) En el modelo seleccionado, construya los intervalos de confianza de los parmetros estimados al
1%, 5% y 10% de nivel de significancia.

INTERVALO DE CONFIANZA:

( ) = ( ( ) ; + ( ) )
2 ,(2) 2 ,(2)

AL 1% DE SIGNIFICANCIA:

(2 ) = (0.581078 0.080460 2.797) ; (0.581078 + 0.080460 2.797)

(2 ) = (0.35603138) ; (0.80612462)

AL 5% DE SIGNIFICANCIA:

(2 ) = (0.581078 0.080460 2.064) ; (0.581078 + 0.080460 2.064)

(2 ) = (0.41500856) ; (0.74714744)

AL 10% DE SIGNIFICANCIA:

(2 ) = (0.581078 0.080460 1.711) ; (0.581078 + 0.080460 1.711)

(2 ) = (0.44341094) ; (0.71874506)

i) Estime el coeficiente de correlacin, para determinar si existe o no grados de asociacin entre las
variables de inters.

Obs. CONS PI CONS2 PI2 CONS*PI

1 5.59 605.0895 31.2481 366133.303 3382.450305
2 5.8 620.928 33.64 385551.5812 3601.3824
3 6.15 657.1916 37.8225 431900.7991 4041.72834
4 6.33 683.6544 40.0689 467383.3386 4327.532352
5 6.58 719.691 43.2964 517955.1355 4735.56678
6 6.97 763.0926 48.5809 582310.3162 5318.755422
7 7.38 808.4439 54.4644 653581.5394 5966.315982
8 7.87 830.3237 61.9369 689437.4468 6534.647519
 9 8.03 868.4894 64.4809 754273.8379 6973.969882
10 8.54 893.1093 72.9316 797644.2217 7627.153422
11 8.88 891.5632 78.8544 794884.9396 7917.081216
12 9.16 921.3754 83.9056 848932.6277 8439.798664
13 9.58 973.7378 91.7764 948165.3031 9328.408124
14 9.68 1030.3304 93.7024 1061580.733 9973.598272
15 9.33 1024.9 87.0489 1050420.01 9562.317
16 9.27 1013.46 85.9329 1027101.172 9394.7742
17 9.79 1072.6464 95.8441 1150570.299 10501.20826
18 9.69 1129.1522 93.8961 1274984.691 10941.48482
19 10.14 1187.5886 102.8196 1410366.683 12042.1484
20 9.25 1220.2674 85.5625 1489052.528 11287.47345
21 8.98 1218.294 80.6404 1484240.27 10940.28012
22 8.92 1263.5558 79.5664 1596573.26 11270.91774
23 8.58 1229.5616 73.6164 1511821.728 10549.63853
24 8.41 1264.6744 70.7281 1599401.338 10635.9117
25 8.54 1331.5419 72.9316 1773003.831 11371.36783
26 8.68 1359.1314 75.3424 1847238.162 11797.26055
SUMA 216.12 25581.7939 1840.6388 26514509.1 218463.1713
PROMEDIO 8.312307692 983.91515

COEFICIENTE DE CORRELACIN:
)(
( )
, =
2 ][ 2 ()
[ 2 () 2 ]

218463.1713 26(8.312307692)(983.91515)
, =
[1840.6388 26(8.312307692)2 ][26514509.1 26(983.91515)2 ]

, = 0.75513117

INTERPRETACIN: intuitivamente a mayor Ingreso Promedio per cpita mayor consumo

consumo de gas natural. Lo cual evidencia que estas variables pueden estar relacionadas
entre s.

j) Pruebe con = 1%, si existe una correlacin significativa entre el consumo de gas natural y el
ingreso promedio per cpita (realizar una prueba de hiptesis paso a paso).

PRUEBA DE HIPOTESIS:
Paso 1: planteamiento de la hiptesis:
0 : , = 0
 0 : , 0

Paso 2: nivel de significancia:

= 1%

Paso 3: estadstico de prueba:

( 2)
=
1 2

(0.7551311726 2)
=
1 0.755131172

= 5.642954

Paso 4: regin de decisin:

2 ,(2) = 0.01 = 2.797
2 ,(24)

Paso 5: criterio de decisin:

Como:
> 2 ,(2)
5.642954 > 2.797

Conclusin: Se rechaza la Hiptesis Nula.

El consumo del gas natural con el ingreso promedio per cpita estn correlacionadas
linealmente. La correlacin es altamente significativa al 1%.