Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Cemento Melón Ma. Jesús Berrios Josefa Correa Ma. Javiera Suárez Grupo 24: Profesora: Pilar Alcalde Entrega: 16 de Octubre MULTICOLINEALIDAD ipsa sp500 pcomp1 pcomp2 comod tipocamb interes indicem indicesp divid utneta ipsa 1 sp500 0.4199 1 pcomp1 0.2645 0.0444 1 pcomp2 0.1184 0.3950 0.7148 1 comod 0.9009 0.5236 0.2098 0.2499 1 tipocamb -0.7732 -0.6735 -0.3554 -0.3469 -0.7305 1 interes 0.2812 0.2557 0.0536 0.3829 0.3244 -0.1665 1 indicem 0.6634 0.8819 0.3474 0.5924 0.7146 -0.8089 0.4016 1 indicesp 0.5172 0.9450 0.1805 0.4946 0.6144 -0.6760 0.3936 0.9444 1 divid -0.0778 -0.1350 0.2384 0.1531 -0.0499 -0.0089 0.1495 -0.0489 -0.0753 1 utneta -0.3350 0.0426 0.1422 0.3685 -0.1815 0.2087 0.2190 0.0301 0.0951 0.1097 1 Correlación entre variables independientes Los pares de variables más correlacionadas son: • IPSA – Comod (corr: 0,9009) • SP500 – Indicesp (corr: 0,9450) • Indicem – Indicesp (corr: 0,9444) MULTICOLINEALIDAD Variable VIF 1/VIF indicem 50.95 0.019627 indicesp 33.78 0.029602 ipsa 21.82 0.045829 sp500 20.72 0.048270 pcomp2 11.46 0.087292 comod 9.58 0.104332 tipocamb 6.68 0.149729 pcomp1 6.21 0.161095 interes 2.38 0.420781 utneta 1.58 0.633937 divid 1.27 0.784619 Mean VIF 15.13 !"##$%&! = !! + !!!"#$! + !!!"500! + !!!"#$!1! + !!!"#$!2! + !!!"#"$! + !!!"#$%&'(! + !!!"#$%!"! + !!!"#!$%&! + !!!"#!$%&'! + !!"!"#"!! + !!!!"#$"%! ! H0 : β̂1 = β̂2 = β̂5 = β̂6 = β̂7 = β̂9 = β̂10 = β̂11 = 0 H1 : a lgún β̂i ≠ 0 Rechazo H0 si Fobt>Fα o valor-p≤α Fobt=1,75 Valor-p=0,1143 No hay evidencia para rechazar H0, por lo tanto se dice que estas variables, conjuntamente, no son significativas para el modelo original. Mediante los dos métodos se puede concluir que en este modelo puede haber multicolinealidad. MULTICOLINEALIDAD !"#!$%&! = !! + !!!"#$! + !!!"500! + !!!"#$!1! + !!!"#$!2! + !!!"#"$! + !!!"#$%&'(! + !!!"#$%$&! + !!!"#!$%&'! + !!!"#"!! + !!"!"#$"%! ! Variable Valor t IPSA 4.48 pcomp2 5.50 indicesp 5.72 R2=0,9804 l r l = 0,99 A partir de la bondad de ajuste, podemos darnos cuenta que el 98,04% de la variabilidad de indicem, se explica a partir de las demás variables independientes. Con la correlación podemos decir que hay colinealidad muy alta entre la variable indicem y el resto de las variables. IPSA, pcomp2 y indicesp son las variables más significativas del modelo auxiliar; por lo que son las variables que mejor explican la variabilidad de indicem. VARIANZAS !!! = !! + !!!"#$! + !!!"500! + !!!"#$!1! + !!!"#$!2! + !!!"#$%$&! + !!!"#!$%&! + !! !"##$%&! = !! + !!!"#$! + !!!"500! + !!!"#$!1! + !!!"#$!2! + !!!"#$%$&! + !!!"#!$%&! ! Rechazo H0 si Fobt>Fα o valor-p≤α Fobt=4,69 Valor-p=0,0008 Con un nivel de significancia del 5%, hay evidencia para rechazar H0, Test de Breusch-Pagan Debido a que rechazamos H0, podemos decir que hay heterocedasticidad en el modelo, por lo que las varianzas no son constantes. Test de White !!! = !! + !!!! + !!!!! + !! !!: !! = !! = 0! !!:!"#ú!!!! ≠ 0! Rechazo H0 si chi2obt>chi2α o valor-p≤α chi2obt=49,74 Valor-p=0,0049 Con un nivel de significancia del 5%, hay evidencia para rechazar H0, VARIANZAS TRADICIONAL ROBUSTO Coeficiente Error estándar Significancia individual Coeficiente Error estándar Significancia individual ipsa -0,0149372 0,0057054 0,012 -0,0149372 0,0051575 0,006 sp500 -0,0857424 0,0506221 0,097 -0,0857424 0,0391517 0,033 pcomp1 0,1167053 0,0174103 0 0,1167053 0,0240814 0 pcomp2 -4,454948 1,296141 0,001 -4,454948 1,773865 0,015 interes -3,586466 1,964319 0,074 -3,586466 1,924119 0,068 indicem 1,068488 0,5315605 0,05 1,068488 0,4579431 0,024 Sig global 0 0 • Los parámetros se mantienen • Cambian los errores estándar debido a que cambian las varianzas, que es lo que corrige el método de errores robustos. • La significancia global se mantiene, por lo que las variables en su conjunto son significativas. • La significancia individual aumenta, a excepción de pcomp2, lo que nos dice que las variables explican mejor nuestro modelo mediante la corrección de la heterocedasticidad. !"##$%&! = !! + !!!"#$! + !!!"500! + !!!"#$!1! + !!!"#$!2! + !!!"#$%$&! + !!!"#!$%&! ! VARIANZAS MCO MCF Coeficiente Error estándar Significancia individual Coeficiente Error estándar Significancia individual ipsa -0,0149372 0,0057054 0,012 -0,01748 0,002777 0 sp500 -0,0857424 0,0506221 0,097 -0,1110871 0,0241324 0 pcomp1 0,1167053 0,0174103 0 0,1264595 0,0086801 0 pcomp2 -4,454948 1,296141 0,001 -5,325238 0,6644424 0 interes -3,586466 1,964319 0,074 -2,7877 1,159381 0,02 indicem 1,068488 0,5315605 0,05 1,380664 0,2315515 0 Significancia global 0 0 • La significancia global del modelo se mantiene, lo que nos dice que en conjunto todas las variables son significativas para el modelo. • Los errores estándar disminuyen, debido a que al ser nuestro modelo heterocedastico, los MCF, corrigen la varianza de los parámetros, para así solucionar el problema de heterocedasticidad. • La significancia individual de cada parámetro se vuelve cero (o muy cercana a este) y ahora las variables son todas muy significativas, por lo que todas nuestras variables explican el precio de la acción. ANÁLISIS DE RESIDUOS Regresión original que minimiza el Akaike !"##$%&! = !! + !!!"#$! + !!!"500! + !!!"#$!1! + !!!"#$!2! + !!!"#$%$&! + !!!"#!$%&! ! AIC= 518,3446 Nueva regresión que minimiza el Akaike AIC= 487,3969 pcomp2_15: toma el valor de 1 si el precio de la acción de la competencia esta sobre los $15 mexicanos y cero si esta bajo. Crisis: toma el valor de 1 para datos después de mediados del 2008 y 0 para valores antes del 2008. ANÁLISIS DE RESIDUOS -4 0 -2 0 0 20 40 R es id ua ls 0 50 100 150 200 Precio de la accion -5 0 0 50 R es id ua ls 0 50 100 150 200 Precio de la accion Residuos obtenidos Originales Nuevos ANÁLISIS DE RESIDUOS Gráficos que más nos ayudaron -5 0 0 50 R es id ua ls 1000 2000 3000 4000 5000 Precio del Indice IPSA -5 0 0 50 R es id ua ls 500 1000 1500 2000 Precio de la accion de la empresa competidora -5 0 0 50 R es id ua ls 5 10 15 20 25 30 Precio de la accion de la empresa competidora 2 Finalmente hicimos esta regresión, ya que tras analizar los gráficos de los residuos, nos pareció una manera coherente y lógica de explicar el precio de nuestra acción. Nos dimos cuenta que el precio del la competidora 1 y el IPSA estaban relacionados, ya que ambas están en el mercado chileno. Por lo que creamos una interacción entre estas. Luego vimos que nuestra competidora 2 se comporta de manera distinta cuando su precio esta sobre los $15 mexicanos, por lo que creamos una binaria para ver este efecto. Sabíamos que la crisis del 2008 nos afecto, por lo que también la incluimos en nuestro modelo. Y por último, usamos los logaritmos naturales del IPSA y S&P500, ya que nos parecio mucho más representativo medirlo enpuntos porcentuales que en una moneda. ANÁLISIS DE RESIDUOS !!: !! = 0! !!:!"#ú!!!! ≠ 0! Rechazo H0 si Fobt>Fα o valor-p≤α Fobt=3,19 Valor-p=0,0015 Con un nivel de significancia del 5%, hay evidencia para rechazar H0, Test de Breusch-Pagan Debido a que rechazamos H0, podemos decir que hay heterocedasticidad en el modelo. Preferimos usar el test de Breusch-Pagan ya que nuestra muestra es muy chica y además porque es más conservador usar el test que muestra un problema, ya que de esta manera se puede corregir y buscar la manera que los dos test digan lo mismo Test de White !!! = !! + !!!! + !!!!! + !! !!: !! = !! = 0! !!:!"#ú!!!! ≠ 0! Rechazo H0 si chi2obt>chi2α o valor-p≤α Chi2obt=56,00 Valor-p=0,4371 Con un nivel de significancia del 5%, hay evidencia para no rechazar H0, !!! = !! + !!ln!(!"#$)! + !!ln!(!"500)! + !!!"#$!1! + !!!"#$!2! + !!!"#$%$&! + !!!"#!$%&! + !!!"#$!1!!"#!$%&! + !!!"#$!2!!"#!$%&! + !!!"#$!2!!"#$!2_15! + !!"!"#$!1!!"#$! + !!!!"500!!"#$! + !!"!"#$!!"#$#$! + !!"!"500!!"#$#$! + !!"!"#$!1!!"#$#$! + !!"!"#$!2!!"#$#$! + !! !
Compartir