Documente Academic
Documente Profesional
Documente Cultură
Maestría en Finanzas
Tarea # 3:
Alumnos:
Error estándar
R cuadrado de la
Modelo R R cuadrado ajustado estimación Durbin-Watson
El Estadístico Durwin-Watson es de 1.066 por lo tanto existe auto correlación positiva y los datos
son estadísticamente dependientes entre sí, ya que se encuentra por debajo del rango 1.2 < DW <
2.8
El coeficiente de R cuadrado Es de 0.434, lo que nos indica que el 43.4% de la variación de
Revenue es explicada por la variación de la variable GDP.
1.2 ANOVA
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
Total 5096594.677 61
1.3 Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Dado que el modelo es estadísticamente significativo, así como la variable, el modelo de regresión lineal
que representa se detalla a continuación:
El Estadístico Durwin Watson < 1.2 por lo tanto existe auto correlación positiva y los datos son
estadísticamente dependientes entre sí.
Valor
Revenue Revenue absoluto Cuadrado del
Periodo t Observado GDP Pronosticado Error del error error
Q3 2015 63 1317.43 18141.9 1656.7577 -339.3277 339.3277 115143.288
Q4 2015 64 1180.635 18222.8 1663.4724 -482.8374 482.8374 233131.9548
Q1 2016 65 1750 18281.6 1668.3528 81.6472 81.6472 6666.265268
Q2 2016 66 1861 18450.1 1682.3383 178.6617 178.6617 31920.00305
MAD MSE
270.62 96715.38
2.2 ANOVA
Total 5096594.677 61
2.3 Coeficientes
Error estándar
R cuadrado de la Durbin-
Modelo R R cuadrado ajustado estimación Watson
El estadístico Durbin – Watson es de 0.700, por lo tanto, hay uno auto correlación positiva, lo que significa que los
datos son estadísticamente dependientes, ya que están fuera del rango
1.2 < D.W.< 2.8.
El coeficiente R cuadrado es de 0.018, lo que nos indica que el 1.8% de la variación en la variable Revenue es
explicada por la variación en la variable Domestic Car Sales.
3.2 ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
Total 5096594.677 61
3.3 Coeficientesa
Coeficiente
s
Coeficientes no estandariza
estandarizados dos
Error
Modelo B estándar Beta t Sig.
se rechaza la Ho, dado que la significancia del estadístico t es mayor a 0.05, por lo que.
Dado que el modelo no es estadísticamente significativo y la variable independiente US Dom Auto Sales
tampoco es estadísticamente significativa, la ecuación anteriormente definida, no describe el
comportamiento de la variable dependiente Revenue.
3.4 Analisis de Residuos
US Dom Valor
Revenue Auto Revenue absoluto Cuadrado del
Periodo t Observado Sales Pronosticado Error del error error
Q3 2015 63 1317.43 1425.1 1289.889 27.541 27.541 758.506681
Q4 2015 64 1180.635 1307.6 1308.689 -128.054 128.054 16397.82692
Q1 2016 65 1750 1292.3 1311.137 438.863 438.863 192600.7328
Q2 2016 66 1861 1367.9 1299.041 561.959 561.959 315797.9177
MAD MSE
289.10 131388.75
Error estándar
R cuadrado de la Durbin-
Modelo R R cuadrado ajustado estimación Watson
El Estadístico Durbin-Watson es de 0.611, por lo tanto, hay una auto correlación positiva, lo que significa
que los datos son estadísticamente dependientes, ya que están fuera de rango 1.2<D.W.<2.8
El coeficiente R cuadrado es de 0.007, lo que nos indica que el 0.7% de la variación variable Revenue es
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
Total 5096594.677 61
No se rechaza los Ho, dado que la significancia del estadístico F es mayor a 0.05, por lo que en general el
modelo no es estadísticamente significativo o diferente de cero.
4.3 Coeficientesa
Coeficientes
Coeficientes no estandarizad
estandarizados os
Error
Modelo B estándar Beta t Sig.
que los datos son estadísticamente dependientes, ya que están fuera de rango 1.2<D.W.<2.8
El coeficiente R cuadrado es de 0.007, lo que nos indica que el 0.7% de la variación variable Revenue es
Valor
Revenue Revenue absoluto Cuadrado del
Periodo t Observado Unemployment Pronosticado Error del error error
Error estándar
R cuadrado de la Durbin-
Modelo R R cuadrado ajustado estimación Watson
El Estadístico Durbin-Watson es de 0.941, por lo tanto, hay una auto correlación positiva, lo que significa que los
datos son estadísticamente dependientes, ya que están fuera de rango 1.2<D.W.<2.8
El coeficiente R cuadrado es de 0.361, lo que nos indica que el 36.1% de la variación variable Revenue es explicada
por la variación de la variable Trend.
5.2 ANOVAa
Suma de
Modelo cuadrados gl Media cuadrática F Sig.
Total 5096594.677 61
Se rechaza la Ho, dado que la significancia del estadístico F es menor a 0.05, por lo que en general el
modelo es estadísticamente significativo o igual a cero.
5.3 Coeficientesa
Coeficientes
Coeficientes no estandarizad
estandarizados os
Error
Modelo B estándar Beta t Sig.
Se rechaza la Ho, dado que la significancia del estadístico t es menor a 0.05, por lo que la variable
independiente trend es estadísticamente significativa o igual a cero.
Ecuación de regresión lineal:
· Revenue = 1006.44 + 9.62 (Trend)
Dado que el modelo es estadísticamente significativo y la variable independiente Trend es
estadísticamente significativo, la ecuación anteriormente definida, describe el comportamiento de la
variable dependiente Revenue.
Análisis:
5.4.1 Verificación de normalidad de errores
a. Cantidad de puntos positivos y negativos son aproximadamente iguales
b. No se observan puntos extremos fuera del rango +/– 3 sigma.
Valor
Revenue Revenue absoluto del Cuadrado del
Periodo t Observado Trend Pronosticado Error error error
Q3 2015 63 1317.43 63 1612.5 -295.07 295.07 87066.3049
Q4 2015 64 1180.635 64 1622.12 -441.485 441.485 194909.0052
Q1 2016 65 1750 65 1631.74 118.26 118.26 13985.4276
Q2 2016 66 1861 66 1641.36 219.64 219.64 48241.7296
MAD MSE
268.61 86050.62
6. Resumen
Cumplimiento de
Cumplimiento de independencia de
Cumplimiento de normalidad
homocedasticidad residuos (no auto
correlación)
Se observan
Grado de
Grado de Cantidad de puntos puntos La varianza se Estadístico Durbin-
significancia de la
significancia R^2 positivos y negativos extremos fuera mantiene constante a Watson > a 1.2 y
variable
del modelo son aproximadamente del rango de lo largo del tiempo <2.8
independiente
Modelo iguales +/- 3 sigmas MAD MSE
Revenue = f(GDP) 0.000 0.000 0.434 Si No No No 270.62 96715.38
Revenue = f (Gas
Price) 0.000 0.000 0.384 Si No No No 310.22 168568.55
Revenue = f
(Domestic Car
Sales) 0.296 0.296 0.018 Si No No No 289.10 131388.75
Revenue =
f(Unemployment) 0.522 0.522 0.007 Si No Si No 289.76 136868.30
Revenue =
f(Trend) 0.000 0.000 0.361 Si No No No 268.61 86050.62
¿Se cumplen todos los supuestos de OLS en cada uno de los modelos? ¿Qué supuestos han sido violados? ¿Qué modelo recomendaría? Guarde el MAD y el MSE para
su mejor modelo de regresión simple, pues lo ocupará al final del caso cuando se comparen todos los modelos y se deba seleccionar el mejor.
¿Se cumplen todos los supuestos de OLS en cada uno de los modelos? No
¿Qué modelo recomendaría? Ninguno
Revenue =
En base al MAD y MSE, cuál es el mejor modelo f(Trend)