PRUEBA t DE UNA HIPTESIS RELACIONADA A UN COEFICIENTES DE

REGRESIN

s.d. of b2 conocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.d.:
b2 20
z
s.d.

5% significance test:
reject H0: 2 = 20 if
z

> 1.96 or

< 1.96

El diagrama resume el procedimiento para llevar a cabo una prueba, con significancia del
5%, para el coeficiente de una regresin, bajo el supuesto de que conocemos su desviacin
estndar.
1

s.d. of b2 conocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.d.:
b2 20
z
s.d.

s.d. of b2 desconocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.e.:
b2 20
t
s.e.

5% significance test:
reject H0: 2 = 20 if
z

> 1.96 or

< 1.96

Esta es un supuesto poco real. Usualmente, tenemos que estimarlo con el error estndar, y
es lo que usamos al construir el estadstico de prueba en vez de la desviacin estndar.
2

s.d. of b2 conocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.d.:
b2 20
z
s.d.

s.d. of b2 desconocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.e.:
b2 20
t
s.e.

5% significance test:
reject H0: 2 = 20 if
z

> 1.96 or

< 1.96

Debido a que tenemos que reemplazar la desviacin estndar por el error estndar en el
denominador, el estadstico de prueba tiene una distribucin t en vez de una distribucin
normal.
3

s.d. of b2 conocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.d.:
b2 20
z
s.d.

s.d. of b2 desconocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.e.:
b2 20
t
s.e.

5% significance test:

5% significance test:

reject H0: 2 = 20 if

reject H0: 2 = 20 if

> 1.96 or

< 1.96

t > tcrit or t < tcrit

Por consiguiente , nos referimos a este esdadstico de prueba como el estadstico t. Por lo
dems, los procedimientos de la prueba son muy similares a las pruebas de hiptesis de
una distribucin normal.
4

s.d. of b2 conocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.d.:
b2 20
z
s.d.

s.d. of b2 desconocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.e.:
b2 20
t
s.e.

5% significance test:

5% significance test:

reject H0: 2 = 20 if

reject H0: 2 = 20 if

> 1.96 or

< 1.96

t > tcrit or t < tcrit

Buscamos el valor crtico de t y lo comparamos con el estadstico t estimado, y si ste es mayor

que aquel, ya sea positivo o negativo, rechazamos la hiptesis nula. Si no es as, no la
rechazamos.
5

0.4

normal
0.3
0.2
0.1
0
-6

-5

-4

-3

-2

-1

Esta es la grfica de una distribucin normal con media cero y varianza igual a uno.

0.4

normal
t, 10 d.f.

0.3
0.2
0.1
0
-6

-5

-4

-3

-2

-1

Se aade una grfica de una distribucin t con 10 grados de libertad.

0.4

normal
t, 10 d.f.

0.3
0.2
0.1
0
-6

-5

-4

-3

-2

-1

Cuando el nmero de grados de libertad es grande, la distribucin t es muy parecida a una

distribucin normal (y a medida que el nmero de casos aumenta, la t converge hacia una
normal)
8

0.4

normal
t, 10 d.f.

0.3
0.2
0.1
0
-6

-5

-4

-3

-2

-1

Incluso cuando el nmero de grados libertad es pequeo, como en este caso, las
distribuciones son muy similares.
9

0.4

normal
t, 10 d.f.

0.3

t, 5 d.f.
0.2
0.1
0
-6

-5

-4

-3

-2

-1

Esta es otra distribucin t, esta vez con slo 5 grados de libertad. Sigue siendo muy similar
a una distribucin normal.
10

0.4

normal
t, 10 d.f.

0.3

t, 5 d.f.
0.2
0.1
0
-6

-5

-4

-3

-2

-1

Entonces, por qu nos preocupamos por referirnos a la distribucin t, en lugar de a la

distribucin normal? Realmente importara si utilizramos siempre 1.96 para la prueba de
5% y 2.58 para la prueba de 1%?
11

0.4

normal
t, 10 d.f.

0.3

t, 5 d.f.
0.2
0.1
0
-6

-5

-4

-3

-2

-1

La respuesta es que s importa. A pesar de que las distribuciones son similares, la

distribucin t tiene colas ms largas que la distribucin normal, y esta diferencia se hace
ms grande mientras menores sean los grados de libertad.
12

0.1

normal
t, 10 d.f.
t, 5 d.f.

0
-6

-5

-4

-3

-2

-1

Como consecuencia, la probabilidad de obtener un estadstico de prueba elevado por

simpel azar es mayor con una dsitribucin t que con una distribucin normal.
13

0.1

normal
t, 10 d.f.
t, 5 d.f.

0
-6

-5

-4

-3

-2

-1

Ello implica que las regiones de rechazo estn a ms desviaciones estndar de distancia
del cero para una distribucin t que para una distribucin normal.
14

0.1

normal
t, 10 d.f.
t, 5 d.f.

0
-6

-5

-4

-3 -1.96
-2

-1

Por ejemplo, la cola de 2.5% de una distribucin normal comienza a 1.96 desviaciones
estndar de la media.
15

0.1

normal
t, 10 d.f.
t, 5 d.f.

0
-6

-5

-4

-3 -2.33
-2

-1

Pero la cola de 2.5% de una distribucin t con 10 grados de libertad comienza hasta 2.33
desviaciones estndar de la media.
16

0.1

normal
t, 10 d.f.
t, 5 d.f.

0
-6

-5

-4

-3
-2.57-2

-1

Y para una distribucin t con 5 grados de libertad, sta comienza a 2.57 desviaciones
estndar de la media. Es decir que, en general, la distribucin t es ms conservadora que
la normal, pues requiere estadsticos de prueba ms elevados.
17

Distribucin t: valores crticos de t

Degrees of Two-sides test
freedom One-side test
1
2
3
4
5

18
19
20

600

10%
5%

5%
2.5%

2%
1%

1%
0.5%

0.2%
0.1%
0.1% 0.05%

6.314 12.706 31.821 63.657 318.31 636.62

2.920
4.303
6.965
9.925 22.327 31.598
2.353
3.182
4.541
5.841 10.214 12.924
2.132
2.776
3.747
4.604
7.173
8.610
2.015
2.571
3.365
4.032
5.893
6.869

1.734
2.101
2.552
2.878
3.610
3.922
1.729
2.093
2.539
2.861
3.579
3.883
1.725
2.086
2.528
2.845
3.552
3.850

1.647
1.964
2.333
2.584
3.104
3.307
1.645
1.960
2.326
2.576
3.090
3.291

Por esta razn, es necesario referirse a una tabla de valores crticos de t al desarrollar una
prueba de significatividad sobre los coeficientes de una ecuacin de regresin.
18

Distribucin t: valores crticos de t

Degrees of Two-sided test
freedom One-sided test
1
2
3
4
5

18
19
20

600

10%
5%

5%
2.5%

2%
1%

1%
0.5%

0.2%
0.1%

0.1%
0.05%

6.314 12.706 31.821 63.657 318.31 636.62

2.920
4.303
6.965
9.925 22.327 31.598
2.353
3.182
4.541
5.841 10.214 12.924
2.132
2.776
3.747
4.604
7.173
8.610
2.015
2.571
3.365
4.032
5.893
6.869

1.734
2.101
2.552
2.878
3.610
3.922
1.729
2.093
2.539
2.861
3.579
3.883
1.725
2.086
2.528
2.845
3.552
3.850

1.647
1.964
2.333
2.584
3.104
3.307
1.645
1.960
2.326
2.576
3.090
3.291

En la parte de arriba de la tabla se en listan los posibles niveles de significatividad para la

prueba. Por el momento slo haremos pruebas de dos colas, por lo que hay que ignorar la
fila de una cola.
19

Distribucin t: valores crticos de t

Degrees of Two-sided test
freedom One-sided test
1
2
3
4
5

18
19
20

600

10%
5%

5%
2.5%

2%
1%

1%
0.5%

0.2%
0.1%

0.1%
0.05%

6.314 12.706 31.821 63.657 318.31 636.62

2.920
4.303
6.965
9.925 22.327 31.598
2.353
3.182
4.541
5.841 10.214 12.924
2.132
2.776
3.747
4.604
7.173
8.610
2.015
2.571
3.365
4.032
5.893
6.869

1.734
2.101
2.552
2.878
3.610
3.922
1.729
2.093
2.539
2.861
3.579
3.883
1.725
2.086
2.528
2.845
3.552
3.850

1.647
1.964
2.333
2.584
3.104
3.307
1.645
1.960
2.326
2.576
3.090
3.291

Por consiguiente, si estamos desarrollando una prueba (dos-colas) con 5% significatividad,

deberamos usar la columna que indica la tabla.
20

Distribucin t: valores crticos de t

Degrees of Two-sided test
freedom One-sided test
1
2
3
4
5

18
19
20

600

10%
5%

5%
2.5%

2%
1%

1%
0.5%

0.2%
0.1%

0.1%
0.05%

6.314 12.706 31.821 63.657 318.31 636.62

2.920
4.303
6.965
9.925 22.327 31.598
2.353
3.182
4.541
5.841 10.214 12.924
2.132
2.776
3.747
4.604
7.173
8.610
2.015
2.571
3.365
4.032
5.893
6.869
libertad
en una
regresin

Nmero de grados

= nmero de observaciones
numero
parametros
estimados.
1.734
2.101
2.552 de 2.878
3.610
3.922
1.729
2.093
2.539
2.861
3.579
3.883
1.725
2.086
2.528
2.845
3.552
3.850

1.647
1.964
2.333
2.584
3.104
3.307
1.645
1.960
2.326
2.576
3.090
3.291

La columna del lado izquierdo enlista los grados de libertad. El nmero de grados de
libertad en una regresin est definido por el nmero de observaciones menos el nmero
de parmetros estimados.
21

Distribucin t: valores crticos de t

Degrees of Two-sided test
freedom One-sided test
1
2
3
4
5

18
19
20

600

10%
5%

5%
2.5%

2%
1%

1%
0.5%

0.2%
0.1%

0.1%
0.05%

6.314 12.706 31.821 63.657 318.31 636.62

2.920
4.303
6.965
9.925 22.327 31.598
2.353
3.182
4.541
5.841 10.214 12.924
2.132
2.776
3.747
4.604
7.173
8.610
2.015
2.571
3.365
4.032
5.893
6.869

1.734
2.101
2.552
2.878
3.610
3.922
1.729
2.093
2.539
2.861
3.579
3.883
1.725
2.086
2.528
2.845
3.552
3.850

1.647
1.964
2.333
2.584
3.104
3.307
1.645
1.960
2.326
2.576
3.090
3.291

En una regresin simple slo estimamos dos parmetros, la constante y el coeficiente de la

pendiente, por lo que el nmero de grados de libertad es n 2 si hay n observaciones.
22

Distribucin t: valores crticos de t

Degrees of Two-sided test
freedom One-sided test
1
2
3
4
5

18
19
20

600

10%
5%

5%
2.5%

2%
1%

1%
0.5%

0.2%
0.1%

0.1%
0.05%

6.314 12.706 31.821 63.657 318.31 636.62

2.920
4.303
6.965
9.925 22.327 31.598
2.353
3.182
4.541
5.841 10.214 12.924
2.132
2.776
3.747
4.604
7.173
8.610
2.015
2.571
3.365
4.032
5.893
6.869

1.734
2.101
2.552
2.878
3.610
3.922
1.729
2.093
2.539
2.861
3.579
3.883
1.725
2.086
2.528
2.845
3.552
3.850

1.647
1.964
2.333
2.584
3.104
3.307
1.645
1.960
2.326
2.576
3.090
3.291

Si estuvieramos desarrollando una regresin con 20 observaciones, como en el ejemplo de

inflacin de precios / inflacin de salarios, el nmero de grados de libertad sera 18 y el
valor crtico de t para un nivel de 5% sera 2.101.
23

Distribucin t: valores crticos de t

Degrees of Two-sided test
freedom One-sided test
1
2
3
4
5

18
19
20

600

10%
5%

5%
2.5%

2%
1%

1%
0.5%

0.2%
0.1%

0.1%
0.05%

6.314 12.706 31.821 63.657 318.31 636.62

2.920
4.303
6.965
9.925 22.327 31.598
2.353
3.182
4.541
5.841 10.214 12.924
2.132
2.776
3.747
4.604
7.173
8.610
2.015
2.571
3.365
4.032
5.893
6.869

1.734
2.101
2.552
2.878
3.610
3.922
1.729
2.093
2.539
2.861
3.579
3.883
1.725
2.086
2.528
2.845
3.552
3.850

1.647
1.964
2.333
2.584
3.104
3.307
1.645
1.960
2.326
2.576
3.090
3.291

Note que a medida que el nmero de grados de libertad se hace ms grande, el valor crtico
converge en 1.96, el valor crtico para la distribucin normal. Esto se debe a que la
distribucin t converge hacia la distribucin normal.
24

s.d. of b2 conocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.d.:
b2 20
z
s.d.

s.d. of b2 desconocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.e.:
b2 20
t
s.e.

5% significance test:

5% significance test:

reject H0: 2 = 20 if

reject H0: 2 = 20 if

> 1.96 or

< 1.96

t > tcrit or t < tcrit

Por lo tanto, refirindonos al resumen de los procedimientos de la prueba,

25

s.d. of b2 conocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.d.:
b2 20
z
s.d.

s.d. of b2 desconocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.e.:
b2 20
t
s.e.

5% significance test:

5% significance test:

reject H0: 2 = 20 if

reject H0: 2 = 20 if

> 1.96 or

< 1.96

t > 2.101 or t < 2.101

deberamos rechazar la hiptesis nula si el valor absoluto de t es mayor que 2.101.

26

Distribucin t: valores crticos de t

Degrees of Two-sided test
freedom One-sided test
1
2
3
4
5

18
19
20

600

10%
5%

5%
2.5%

2%
1%

1%
0.5%

0.2%
0.1%

0.1%
0.05%

6.314 12.706 31.821 63.657 318.31 636.62

2.920
4.303
6.965
9.925 22.327 31.598
2.353
3.182
4.541
5.841 10.214 12.924
2.132
2.776
3.747
4.604
7.173
8.610
2.015
2.571
3.365
4.032
5.893
6.869

1.734
2.101
2.552
2.878
3.610
3.922
1.729
2.093
2.539
2.861
3.579
3.883
1.725
2.086
2.528
2.845
3.552
3.850

1.647
1.964
2.333
2.584
3.104
3.307
1.645
1.960
2.326
2.576
3.090
3.291

Sin por el contrario queremos desarrollar una prueba con 1% significancia, usaramos la
columna indicada arriba. Note que conforme aumentan los grados de libertad, el valor
crtico converge hacia 2.58, que es el valor crtico para de la distribucin normal.
27

Distribucin t: valores crticos de t

Degrees of Two-sided test
freedom One-sided test
1
2
3
4
5

18
19
20

600

10%
5%

5%
2.5%

2%
1%

1%
0.5%

0.2%
0.1%

0.1%
0.05%

6.314 12.706 31.821 63.657 318.31 636.62

2.920
4.303
6.965
9.925 22.327 31.598
2.353
3.182
4.541
5.841 10.214 12.924
2.132
2.776
3.747
4.604
7.173
8.610
2.015
2.571
3.365
4.032
5.893
6.869

1.734
2.101
2.552
2.878
3.610
3.922
1.729
2.093
2.539
2.861
3.579
3.883
1.725
2.086
2.528
2.845
3.552
3.850

1.647
1.964
2.333
2.584
3.104
3.307
1.645
1.960
2.326
2.576
3.090
3.291

Para una regresin simple con 20 observaciones, el valor crtico de t con un nivel de 1% es
2.878.
28

s.d. of b2 conocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.d.:
b2 20
z
s.d.

s.d. of b2 desconocido
Discrepancia entre el valor
hipottico y el estimador
muestral, en trminos de s.e.:
b2 20
t
s.e.

5% significance test:

1% significance test:

reject H0: 2 = 20 if

reject H0: 2 = 20 if

> 1.96 or

< 1.96

t > 2.878 or t < 2.878

Por lo que deberamos usar esta cifra para una prueba con un nivel de significancia del 1%.

29

Ejemplo:

p 1 2w u

Consideraremos un ejemplo de una prueba t. Suponga que tenemos datos sobre p, el

ndice de inflacin en los 5 aos pasados, y w, un ndice de salarios, para una muestra de
20 pases. Es razonable suponer que p es influenciado por w.
30

Ejemplo:

p 1 2w u
H 0 : 2 1; H 1 : 2 1

Puede ser que tomemos como hiptesis nula que el ndice de inflacin de precios aumenta
uniformemente con los salarios, en este caso el verdadero coeficiente b2 sera igual a 1.
31

Ejemplo:

p 1 2w u
H 0 : 2 1; H 1 : 2 1
p 1.21 0.82 w
(0.05) (0.10)

Suponga que la regresin resultante es la que se muestra (con errores estndar entre
parntesis). Nuestra estimacin del coeficiente de inters es solamente 0.82.
Comprobaremos si podemos rechazar la hiptesis nula o no.
32

Ejemplo:

p 1 2w u
H 0 : 2 1; H 1 : 2 1
p 1.21 0.82 w
(0.05) (0.10)

b2 20 0.82 1.00
t

1.80.
s.e.( b2 )
0.10

Calculamos el estadstico t restando el valor hipottico del parmetro estimado en la

muestra, y dividimos entre el error estndar. Esto es - 1.80.
33

Ejemplo:

p 1 2w u
H 0 : 2 1; H 1 : 2 1
p 1.21 0.82 w
(0.05) (0.10)

b2 20 0.82 1.00
t

1.80.
s.e.( b2 )
0.10

n 20; degrees of freedom 18

Hay 20 observaciones en la muestra y hemos estimado 2 parmetros, por lo que hay 18

grados de libertad.
34

Ejemplo:

p 1 2w u
H 0 : 2 1; H 1 : 2 1
p 1.21 0.82 w
(0.05) (0.10)

b2 20 0.82 1.00
t

1.80.
s.e.( b2 )
0.10

n 20; degrees of freedom 18

t crit , 5% 2.101
El valor crtico de t con 18 grados de libertad es 2.101 con un nivel de 5%. El valor absoluto
del estadstico t es menor que esto, por lo que no podemos rechazar la hiptesis nula.
35

Y 1 2 X u

En la prctica es inusual hacer una prediccin concreta para los coeficientes estimados. El
objetivo del anlisis es demostrar que Y es influenciada significativamente por X, sin tener
una nocin especfica sobre la magnitud de los verdaderos coeficientes del modelo.
36

Y 1 2 X u
H 0 : 2 0; H 1 : 2 0

En este caso es usual definir 2 = 0 como la hiptesis nula. En palabras, la hiptesis nula
es que X no influencia a Y. Despus, intentamos demostrar que la hiptesis nula es falsa.
37

Y 1 2 X u
H 0 : 2 0; H 1 : 2 0
b2 20
b2
t

s.e.( b2 ) s.e.(b2 )

Para la hiptesis nula 2 = 0, el estadstico t se reduce al estimador del coeficiente dividido

entre el error estndar.
38

Y 1 2 X u
H 0 : 2 0; H 1 : 2 0
b2 20
b2
t

s.e.( b2 ) s.e.(b2 )

Este cociente comnmente es llamado el estadstico t para el coeficiente y se muestra

como parte de los resultados de una regresin. Para realizar la prueba para un nivel de
significancia dado, comparamos el estadstico t estimado con el valor crtico de t.
39

. reg EARNINGS S
Source |
SS
df
MS
-------------+-----------------------------Model | 19321.5589
1 19321.5589
Residual | 92688.6722
538 172.283777
-------------+-----------------------------Total | 112010.231
539 207.811189

Number of obs
F( 1,
538)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

540
112.15
0.0000
0.1725
0.1710
13.126

-----------------------------------------------------------------------------EARNINGS |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------S |
2.455321
.2318512
10.59
0.000
1.999876
2.910765
_cons | -13.93347
3.219851
-4.33
0.000
-20.25849
-7.608444
------------------------------------------------------------------------------

Este es el resultado de la funcin de ingresos estimada en una presentacin anterior, con

el estadstico t sealado.
40

. reg EARNINGS S
Source |
SS
df
MS
-------------+-----------------------------Model | 19321.5589
1 19321.5589
Residual | 92688.6722
538 172.283777
-------------+-----------------------------Total | 112010.231
539 207.811189

Number of obs
F( 1,
538)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

540
112.15
0.0000
0.1725
0.1710
13.126

-----------------------------------------------------------------------------EARNINGS |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------S |
2.455321
.2318512
10.59
0.000
1.999876
2.910765
_cons | -13.93347
3.219851
-4.33
0.000
-20.25849
-7.608444
------------------------------------------------------------------------------

Puede verse que el estadstico t para el coeficiente de S es enorme. Rechazaramos la

hiptesis nula que sostiene que estudiar ms aos no afecta el ingreso esperado con un
nivel de significancia de 0.1%, incluso sin mirar los valores crticos de t.
41

. reg EARNINGS S
Source |
SS
df
MS
-------------+-----------------------------Model | 19321.5589
1 19321.5589
Residual | 92688.6722
538 172.283777
-------------+-----------------------------Total | 112010.231
539 207.811189

Number of obs
F( 1,
538)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

540
112.15
0.0000
0.1725
0.1710
13.126

-----------------------------------------------------------------------------EARNINGS |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------S |
2.455321
.2318512
10.59
0.000
1.999876
2.910765
_cons | -13.93347
3.219851
-4.33
0.000
-20.25849
-7.608444
------------------------------------------------------------------------------

El estadstico t para el intercepto es tambin enorme. Sin embargo, dado que el intercepto
no tiene ningn significado, no tiene sentido realizar una prueba t sobre l.
42

. reg EARNINGS S
Source |
SS
df
MS
-------------+-----------------------------Model | 19321.5589
1 19321.5589
Residual | 92688.6722
538 172.283777
-------------+-----------------------------Total | 112010.231
539 207.811189

Number of obs
F( 1,
538)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

540
112.15
0.0000
0.1725
0.1710
13.126

-----------------------------------------------------------------------------EARNINGS |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------S |
2.455321
.2318512
10.59
0.000
1.999876
2.910765
_cons | -13.93347
3.219851
-4.33
0.000
-20.25849
-7.608444
------------------------------------------------------------------------------

La siguiente columna en el resultado da lo que se conoce como los valores p para cada
coeficiente. Esta es la probabilidad de obtener el estadstico t de manera aleatoria, si la
hiptesis nula H0: = 0 fuese verdadera.
43

. reg EARNINGS S
Source |
SS
df
MS
-------------+-----------------------------Model | 19321.5589
1 19321.5589
Residual | 92688.6722
538 172.283777
-------------+-----------------------------Total | 112010.231
539 207.811189

Number of obs
F( 1,
538)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

540
112.15
0.0000
0.1725
0.1710
13.126

-----------------------------------------------------------------------------EARNINGS |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------S |
2.455321
.2318512
10.59
0.000
1.999876
2.910765
_cons | -13.93347
3.219851
-4.33
0.000
-20.25849
-7.608444
------------------------------------------------------------------------------

Si rechazamos la hiptesis nula H0: b = 0, esta es la probabilidad que cometamos una

equivocacin y hagamos un error de tipo I. Por lo tanto, es el nivel de significancia con el
cual la hiptesis nula sera rechazada.
44

. reg EARNINGS S
Source |
SS
df
MS
-------------+-----------------------------Model | 19321.5589
1 19321.5589
Residual | 92688.6722
538 172.283777
-------------+-----------------------------Total | 112010.231
539 207.811189

Number of obs
F( 1,
538)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

540
112.15
0.0000
0.1725
0.1710
13.126

-----------------------------------------------------------------------------EARNINGS |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------S |
2.455321
.2318512
10.59
0.000
1.999876
2.910765
_cons | -13.93347
3.219851
-4.33
0.000
-20.25849
-7.608444
------------------------------------------------------------------------------

Si p < 0.05, se podra rechazar la hiptesis nula con un nivel de significancia del 5%. Si
fuera menor a 0.01, podramos rechazar al 1%. Si fuera 0.001, podramos rechazar al 0.1%.
Esto, asumiendo pruebas de dos colas.
45

. reg EARNINGS S
Source |
SS
df
MS
-------------+-----------------------------Model | 19321.5589
1 19321.5589
Residual | 92688.6722
538 172.283777
-------------+-----------------------------Total | 112010.231
539 207.811189

Number of obs
F( 1,
538)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

540
112.15
0.0000
0.1725
0.1710
13.126

-----------------------------------------------------------------------------EARNINGS |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------S |
2.455321
.2318512
10.59
0.000
1.999876
2.910765
_cons | -13.93347
3.219851
-4.33
0.000
-20.25849
-7.608444
------------------------------------------------------------------------------

En el presente caso p = 0 a tres lugares decimales del coeficiente de S. Esto significa que
podemos rechazar la hiptesis nula H0: b2 = 0 al 0.1%, sin tener que referirnos a la tabla de
valores crticos de t. (La prueba del intercepto no tiene sentido en esta regresin.)
46

. reg EARNINGS S
Source |
SS
df
MS
-------------+-----------------------------Model | 19321.5589
1 19321.5589
Residual | 92688.6722
538 172.283777
-------------+-----------------------------Total | 112010.231
539 207.811189

Number of obs
F( 1,
538)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

540
112.15
0.0000
0.1725
0.1710
13.126

-----------------------------------------------------------------------------EARNINGS |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------S |
2.455321
.2318512
10.59
0.000
1.999876
2.910765
_cons | -13.93347
3.219851
-4.33
0.000
-20.25849
-7.608444
------------------------------------------------------------------------------

Es informativo mostrar los resultados de las pruebas, lo cual es ampliamente utilizado en la

literatura mdica. Sin embargo en economa la costumbre es reportar los resultados que se
refieren a niveles de significancia del 5%, del 1%, y a veces al 0.1%.
47

Copyright Christopher Dougherty 20002008. This slideshow may be freely copied for
personal use. Traducido por Diego Forcada Gallardo

08.07.08