econometria 1 - Gustavo Perales Vivar

Vista previa del material en texto

Ejercicio Econometría
1. DESCRIPCIÓN BASE DE DATOS:
	Variables
	Profit
	Utilidad anual de la farmacia ubicada en la ciudad (en dólares)
	 
	 
	Birth Rate
	Número de nacimientos por cada 1.000 habitantes de la población
	 
	Soc Security
	Número de habitantes con seguro social, por cada 1.000 habitantes
	 
	CV Death
	Número de muertes por accidentes cardiovasculares, por cada 100.000 habitantes
	65.Older
	Porcentaje de individuos con 65 o más años
2. ANALIZAR CORRELACIÓN ENTRE VARIABLES
3. “CORRER” EL MODELO
4. 
¿CÓMO ANALIZAR EL MODELO?
a. N° de observaciones
b. Test F, test de significancia global
c. Coeficiente de determinación: R cuadrado y R cuadrado ajustado
d. BIC y AIC
e. Error estándar de los errores
f. Coeficientes y desviación estándar
g. Estadístico t y valor p (significancia)
5. SI SE VE LA MATRIZ DE CORRELACIONES, SE OBSERVA QUE LA CORRELACIÓN ENTRE CVDEATH Y BIRTHRATE ES .85 ¿CONTRIBUIRÁ LA COLINEALIDAD ENTRE ELLAS A QUE SALGAN NO SIGNIFICATIVAS? TEST DE SIGNIFICANCIA CONJUNTA.
6. ¿QUÉ HACER LUEGO?
a. DEPENDE:
i. Búsqueda del mejor modelo explicativo: sacar las variables de una en una y ver qué pasa en cada ocasión.
1. Sacar variables según significancia, partiendo con la menos significativa.
2. Detener proceso cuando todas las variables del modelo son significativas.
3. Probar supuestos
4. Analizar resultados
ii. Si el modelo busca explicar un fenómeno con variables específicas de análisis (teoría) y variables de control.
1. No sacar variables y probar supuestos.
2. Si todo OK, analizar resultados
En el caso de buscar el mejor modelo explicativo:
7. EVALUACIÓN DE SUPUESTOS
a. Linealidad, por construcción el modelo es lineal en lo parámetros.
b. Muestreo aleatorio simple, se puede testear pero no lo haremos en este curso. Se asume
c. Media condicional cero
En el caso i, el modelo final elegido fue:
COMANDOS STATA: Predecir valores ajustados, residuos y residuos estandarizados:
. predict v_ajust, xb
. predict residual, r
. predict resest, rsta
RVFPLOT
RVPPLOT varlist
d. No colinealidad perfecta
Índice VIF – Análisis de Inflación de Varianza
e. Homocedasticidad
2 Test posibles:
Breusch-Pagan
White
f. Normalidad de residuos
qnorm residual
pnorm residual
. summ residual
 Variable | Obs Mean Std. Dev. Min Max
-------------+--------------------------------------------------------
 residual | 110 .0000144 16269.13 -38155.67 40067.94
. ksmirnov residual = normal((residual-r(mean))/r(sd))
One-sample Kolmogorov-Smirnov test against theoretical distribution
 normal((residual-r(mean))/r(sd))
 Smaller group D P-value Corrected
 ----------------------------------------------
 residual: 0.0614 0.436
 Cumulative: -0.0334 0.783
 Combined K-S: 0.0614 0.801 0.766
g. Otros test importantes:
Bondad de Ajuste: Linktest
Test de Omisión de Variables
ANÁLISIS GRÁFICO:
LVR2PLOT – leverage (influencia de observaciones – outliers)
. predict lev, h
. summ lev
 Variable | Obs Mean Std. Dev. Min Max
-------------+--------------------------------------------------------
 lev | 110 .0272727 .0295457 .0093771 .1820894
, criterio máximo 3
GRÁFICO DE REGRESIÓN
twoway (scatter v_ajust profit, sort) (lfit v_ajust profit), ytitle(Valores ajustados) xtitle(Profit)
12
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
N
o
t
e
:
 
 
N
=
O
b
s
 
u
s
e
d
 
i
n
 
c
a
l
c
u
l
a
t
i
n
g
 
B
I
C
;
 
s
e
e
 
[
R
]
 
B
I
C
 
n
o
t
e
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
.
 
 
 
 
 
 
1
1
0
 
 
 
-
1
2
7
6
.
5
3
2
 
 
 
-
1
2
2
1
.
1
1
3
 
 
 
 
 
 
4
 
 
 
 
 
2
4
5
0
.
2
2
6
 
 
 
 
2
4
6
1
.
0
2
8
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
M
o
d
e
l
 
 
 
 
 
 
O
b
s
 
 
 
 
l
l
(
n
u
l
l
)
 
 
 
l
l
(
m
o
d
e
l
)
 
 
 
 
 
d
f
 
 
 
 
 
 
 
 
 
 
A
I
C
 
 
 
 
 
 
 
 
 
B
I
C
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
.
 
e
s
t
a
t
 
i
c
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
_
c
o
n
s
 
 
 
 
 
1
1
9
9
2
0
.
3
 
 
 
7
1
7
7
.
7
7
5
 
 
 
 
1
6
.
7
1
 
 
 
0
.
0
0
0
 
 
 
 
 
1
0
5
6
8
9
.
7
 
 
 
 
 
 
1
3
4
1
5
1
 
 
 
 
 
 
 
o
l
d
e
r
 
 
 
 
 
1
0
6
4
4
.
2
5
 
 
 
1
4
5
9
.
9
5
1
 
 
 
 
 
7
.
2
9
 
 
 
0
.
0
0
0
 
 
 
 
 
7
7
4
9
.
7
5
8
 
 
 
 
1
3
5
3
8
.
7
5
 
 
 
 
 
c
v
d
e
a
t
h
 
 
 
 
-
5
3
.
6
2
5
3
9
 
 
 
3
5
.
9
8
0
4
6
 
 
 
 
-
1
.
4
9
 
 
 
0
.
1
3
9
 
 
 
 
-
1
2
4
.
9
6
0
2
 
 
 
 
1
7
.
7
0
9
3
7
 
s
o
c
s
e
c
u
r
i
t
y
 
 
 
 
-
3
0
3
.
6
0
0
8
 
 
 
1
2
4
.
2
4
2
6
 
 
 
 
-
2
.
4
4
 
 
 
0
.
0
1
6
 
 
 
 
-
5
4
9
.
9
2
3
8
 
 
 
-
5
7
.
2
7
7
8
6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
p
r
o
f
i
t
 
 
 
 
 
 
 
 
C
o
e
f
.
 
 
 
S
t
d
.
 
E
r
r
.
 
 
 
 
 
 
t
 
 
 
 
P
>
|
t
|
 
 
 
 
 
[
9
5
%
 
C
o
n
f
.
 
I
n
t
e
r
v
a
l
]
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
T
o
t
a
l
 
 
 
 
7
.
7
4
0
2
e
+
1
0
 
 
 
1
0
9
 
 
 
7
1
0
1
0
5
9
6
8
 
 
 
 
 
 
 
 
 
 
 
R
o
o
t
 
M
S
E
 
 
 
 
 
 
=
 
 
 
1
6
3
2
8
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
A
d
j
 
R
-
s
q
u
a
r
e
d
 
=
 
 
0
.
6
2
4
6
 
 
 
 
R
e
s
i
d
u
a
l
 
 
 
 
2
.
8
2
5
8
e
+
1
0
 
 
 
1
0
6
 
 
 
2
6
6
5
8
9
2
6
8
 
 
 
 
 
 
 
 
 
 
 
R
-
s
q
u
a
r
e
d
 
 
 
 
 
=
 
 
0
.
6
3
4
9
 
 
 
 
 
 
 
M
o
d
e
l
 
 
 
 
4
.
9
1
4
3
e
+
1
0
 
 
 
 
 
3
 
 
1
.
6
3
8
1
e
+
1
0
 
 
 
 
 
 
 
 
 
 
 
P
r
o
b
 
>
 
F
 
 
 
 
 
 
=
 
 
0
.
0
0
0
0
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
F
(
 
 
3
,
 
 
 
1
0
6
)
 
=
 
 
 
6
1
.
4
5
 
 
 
 
 
 
S
o
u
r
c
e
 
 
 
 
 
 
 
 
 
S
S
 
 
 
 
 
 
 
d
f
 
 
 
 
 
 
 
M
SN
u
m
b
e
r
 
o
f
 
o
b
s
 
=
 
 
 
 
 
1
1
0
.
 
r
e
g
r
e
s
s
 
p
r
o
f
i
t
 
 
s
o
c
s
e
c
u
r
i
t
y
 
c
v
d
e
a
t
h
 
o
l
d
e
r
 Note: N=Obs used in calculating BIC; see [R] BIC note
 
 . 110 -1276.532 -1221.113 4 2450.226 2461.028
 
 Model Obs ll(null) ll(model) df AIC BIC
 
. estat ic
 
 _cons 119920.3 7177.775 16.71 0.000 105689.7 134151
 older 10644.25 1459.951 7.29 0.000 7749.758 13538.75
 cvdeath -53.62539 35.98046 -1.49 0.139 -124.9602 17.70937
 socsecurity -303.6008 124.2426 -2.44 0.016 -549.9238 -57.27786
 
 profit Coef. Std. Err. t P>|t| [95% Conf. Interval]
 
 Total 7.7402e+10 109 710105968 Root MSE = 16328
 Adj R-squared = 0.6246
 Residual 2.8258e+10 106 266589268 R-squared = 0.6349
 Model 4.9143e+10 3 1.6381e+10 Prob > F = 0.0000
 F( 3, 106) = 61.45
 Source SS df MS Number of obs = 110
. regress profit socsecurity cvdeath older
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
N
o
t
e
:
 
 
N
=
O
b
s
 
u
s
e
d
 
i
n
 
c
a
l
c
u
l
a
t
i
n
g
 
B
I
C
;
 
s
e
e
 
[
R
]
 
B
I
C
 
n
o
t
e
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
.
 
 
 
 
 
 
1
1
0
 
 
 
-
1
2
7
6
.
5
3
2
 
 
 
-
1
2
2
2
.
2
5
4
 
 
 
 
 
 
3
 
 
 
 
 
2
4
5
0
.
5
0
7
 
 
 
 
2
4
5
8
.
6
0
9
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
M
o
d
e
l
 
 
 
 
 
 
O
b
s
 
 
 
 
l
l
(
n
u
l
l
)
 
 
 
l
l
(
m
o
d
e
l
)
 
 
 
 
 
d
f
 
 
 
 
 
 
 
 
 
 
A
I
C
 
 
 
 
 
 
 
 
 
B
I
C
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
.
 
e
s
t
a
t
 
i
c
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
_
c
o
n
s
 
 
 
 
 
1
1
8
2
4
0
.
7
 
 
 
7
1
2
9
.
0
8
8
 
 
 
 
1
6
.
5
9
 
 
 
0
.
0
0
0
 
 
 
 
 
1
0
4
1
0
8
.
1
 
 
 
 
1
3
2
3
7
3
.
2
 
 
 
 
 
 
 
o
l
d
e
r
 
 
 
 
 
9
8
3
8
.
9
9
4
 
 
 
1
3
6
4
.
0
1
4
 
 
 
 
 
7
.
2
1
 
 
 
0
.
0
0
0
 
 
 
 
 
7
1
3
4
.
9
9
6
 
 
 
 
1
2
5
4
2
.
9
9
 
s
o
c
s
e
c
u
r
i
t
y
 
 
 
 
-
3
4
5
.
9
3
9
3
 
 
 
1
2
1
.
6
3
9
7
 
 
 
 
-
2
.
8
4
 
 
 
0
.
0
0
5
 
 
 
 
-
5
8
7
.
0
7
5
7
 
 
 
-
1
0
4
.
8
0
2
8
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
p
r
o
f
i
t
 
 
 
 
 
 
 
 
C
o
e
f
.
 
 
 
S
t
d
.
 
E
r
r
.
 
 
 
 
 
 
t
 
 
 
 
P
>
|
t
|
 
 
 
 
 
[
9
5
%
 
C
o
n
f
.
 
I
n
t
e
r
v
a
l
]
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
T
o
t
a
l
 
 
 
 
7
.
7
4
0
2
e
+
1
0
 
 
 
1
0
9
 
 
 
7
1
0
1
0
5
9
6
8
 
 
 
 
 
 
 
 
 
 
 
R
o
o
t
 
M
S
E
 
 
 
 
 
 
=
 
 
 
1
6
4
2
0
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
A
d
j
 
R
-
s
q
u
a
r
e
d
 
=
 
 
0
.
6
2
0
3
 
 
 
 
R
e
s
i
d
u
a
l
 
 
 
 
2
.
8
8
5
1
e
+
1
0
 
 
 
1
0
7
 
 
 
2
6
9
6
3
2
1
2
7
 
 
 
 
 
 
 
 
 
 
 
R
-
s
q
u
a
r
e
d
 
 
 
 
 
=
 
 
0
.
6
2
7
3
 
 
 
 
 
 
 
M
o
d
e
l
 
 
 
 
4
.
8
5
5
1
e
+
1
0
 
 
 
 
 
2
 
 
2
.
4
2
7
5
e
+
1
0
 
 
 
 
 
 
 
 
 
 
 
P
r
o
b
 
>
 
F
 
 
 
 
 
 
=
 
 
0
.
0
0
0
0
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
F
(
 
 
2
,
 
 
 
1
0
7
)
 
=
 
 
 
9
0
.
0
3
 
 
 
 
 
 
S
o
u
r
c
e
 
 
 
 
 
 
 
 
 
S
S
 
 
 
 
 
 
 
d
f
 
 
 
 
 
 
 
M
S
 
 
 
 
 
 
 
 
 
 
 
 
 
 
N
u
m
b
e
r
 
o
f
 
o
b
s
 
=
 
 
 
 
 
1
1
0
.
 
r
e
g
r
e
s
s
 
p
r
o
f
i
t
 
 
s
o
c
s
e
c
u
r
i
t
y
 
o
l
d
e
r
 Note: N=Obs used in calculating BIC; see [R] BIC note
 
 . 110 -1276.532 -1222.254 3 2450.507 2458.609
 
 Model Obs ll(null) ll(model) df AIC BIC
 
. estat ic
 
 _cons 118240.7 7129.088 16.59 0.000 104108.1 132373.2
 older 9838.994 1364.014 7.21 0.000 7134.996 12542.99
 socsecurity -345.9393 121.6397 -2.84 0.005 -587.0757 -104.8028
 
 profit Coef. Std. Err. t P>|t| [95% Conf. Interval]
 
 Total 7.7402e+10 109 710105968 Root MSE = 16420
 Adj R-squared = 0.6203
 Residual 2.8851e+10 107 269632127 R-squared = 0.6273
 Model 4.8551e+10 2 2.4275e+10 Prob > F = 0.0000
 F( 2, 107) = 90.03
 Source SS df MS Number of obs = 110
. regress profit socsecurity older_
c
o
n
s
 
 
 
 
 
1
1
8
2
4
0
.
7
 
 
 
7
1
2
9
.
0
8
8
 
 
 
 
1
6
.
5
9
 
 
 
0
.
0
0
0
 
 
 
 
 
1
0
4
1
0
8
.
1
 
 
 
 
1
3
2
3
7
3
.
2
 
 
 
 
 
 
 
o
l
d
e
r
 
 
 
 
 
9
8
3
8
.
9
9
4
 
 
 
1
3
6
4
.
0
1
4
 
 
 
 
 
7
.
2
1
 
 
 
0
.
0
0
0
 
 
 
 
 
7
1
3
4
.
9
9
6
 
 
 
 
1
2
5
4
2
.
9
9
 
s
o
c
s
e
c
u
r
i
t
y
 
 
 
 
-
3
4
5
.
9
3
9
3
 
 
 
1
2
1
.
6
3
9
7
 
 
 
 
-
2
.
8
4
 
 
 
0
.
0
0
5
 
 
 
 
-
5
8
7
.
0
7
5
7
 
 
 
-
1
0
4
.
8
0
2
8
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
p
r
o
f
i
t
 
 
 
 
 
 
 
 
C
o
e
f
.
 
 
 
S
t
d
.
 
E
r
r
.
 
 
 
 
 
 
t
 
 
 
 
P
>
|
t
|
 
 
 
 
 
[
9
5
%
 
C
o
n
f
.
 
I
n
t
e
r
v
a
l
]
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
T
o
t
a
l
 
 
 
 
7
.
7
4
0
2
e
+
1
0
 
 
 
1
0
9
 
 
 
7
1
0
1
0
5
9
6
8
 
 
 
 
 
 
 
 
 
 
 
R
o
o
t
 
M
S
E
 
 
 
 
 
 
=
 
 
 
1
6
4
2
0
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
A
d
j
 
R
-
s
q
u
a
r
e
d
 
=
 
 
0
.
6
2
0
3
 
 
 
 
R
e
s
i
d
u
a
l
 
 
 
 
2
.
8
8
5
1
e
+
1
0
 
 
 
1
0
7
 
 
 
2
6
9
6
3
2
1
2
7
 
 
 
 
 
 
 
 
 
 
 
R
-
s
q
u
a
r
e
d
 
 
 
 
 
=
 
 
0
.
6
2
7
3
 
 
 
 
 
 
 
M
o
d
e
l
 
 
 
 
4
.
8
5
5
1
e
+
1
0
 
 
 
 
 
2
 
 
2
.
4
2
7
5
e
+
1
0
 
 
 
 
 
 
 
 
 
 
 
P
r
o
b
 
>
 
F
 
 
 
 
 
 
=
 
 
0
.
0
0
0
0
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
F
(
 
 
2
,
 
 
 
1
0
7
)
 
=
 
 
 
9
0
.
0
3
 
 
 
 
 
 
S
o
u
r
c
e
 
 
 
 
 
 
 
 
 
S
S
 
 
 
 
 
 
 
d
f
 
 
 
 
 
 
 
M
S
 
 
 
 
 
 
 
 
 
 
 
 
 
 
N
u
m
b
e
r
 
o
f
 
o
b
s
 
=
 
 
 
 
 
1
1
0
.
 
r
e
g
r
e
s
s
 
p
r
o
f
i
t
 
 
s
o
c
s
e
c
u
r
i
t
y
 
o
l
d
e
r
 
 _cons 118240.7 7129.088 16.59 0.000 104108.1 132373.2
 older 9838.994 1364.014 7.21 0.000 7134.996 12542.99
 socsecurity -345.9393 121.6397 -2.84 0.005 -587.0757 -104.8028
 
 profit Coef. Std. Err. t P>|t| [95% Conf. Interval]
 
 Total 7.7402e+10 109 710105968 Root MSE = 16420
 Adj R-squared = 0.6203
 Residual 2.8851e+10 107 269632127 R-squared = 0.6273
 Model 4.8551e+10 2 2.4275e+10 Prob > F = 0.0000
 F( 2, 107) = 90.03
 Source SS df MS Number of obs = 110
. regress profit socsecurity older
-40000
-20000
0
20000
40000
Residuals
150000200000250000300000
Fitted values
-40000
-20000
0
20000
40000
Residuals
50100150200250300
Número de habitantes con seguro social, por cada 1000 habitantes
-40000
-20000
0
20000
40000
Residuals
510152025
Porcentaje de individuos con 65 o más años
 
 
 
 
M
e
a
n
 
V
I
F
 
 
 
 
 
 
 
 
8
.
3
2
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
s
o
c
s
e
c
u
r
i
t
y
 
 
 
 
 
 
 
 
8
.
3
2
 
 
 
 
0
.
1
2
0
1
4
9
 
 
 
 
 
 
 
o
l
d
e
r
 
 
 
 
 
 
 
 
8
.
3
2
 
 
 
 
0
.
1
2
0
1
4
9
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
V
a
r
i
a
b
l
e
 
 
 
 
 
 
 
 
 
V
I
F
 
 
 
 
 
 
 
1
/
V
I
F
 
 
.
 
v
i
f
 Mean VIF 8.32
 
 socsecurity 8.32 0.120149
 older 8.32 0.120149
 
 Variable VIF 1/VIF 
. vif
 
 
 
 
 
 
 
 
 
P
r
o
b
 
>
 
c
h
i
2
 
 
=
 
 
 
0
.
4
0
1
9
 
 
 
 
 
 
 
 
 
c
h
i
2
(
1
)
 
 
 
 
 
 
=
 
 
 
 
 
0
.
7
0
 
 
 
 
 
 
 
 
 
V
a
r
i
a
b
l
e
s
:
 
f
i
t
t
e
d
 
v
a
l
u
e
s
 
o
f
 
p
r
o
f
i
t
 
 
 
 
 
 
 
 
 
H
o
:
 
C
o
n
s
t
a
n
t
 
v
a
r
i
a
n
c
e
B
r
e
u
s
c
h
-
P
a
g
a
n
 
/
 
C
o
o
k
-
W
e
i
s
b
e
r
g
 
t
e
s
t
 
f
o
r
 
h
e
t
e
r
o
s
k
e
d
a
s
t
i
c
i
t
y
 
.
 
h
e
t
t
e
s
t
 Prob > chi2 = 0.4019
 chi2(1) = 0.70
 Variables: fitted values of profit
 Ho: Constant variance
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity 
. hettest
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
T
o
t
a
l
 
 
 
 
 
 
 
 
2
2
.
9
6
 
 
 
 
 
 
8
 
 
 
 
0
.
0
0
3
4
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
K
u
r
t
o
s
i
s
 
 
 
 
 
 
 
 
 
1
.
6
8
 
 
 
 
 
 
1
 
 
 
 
0
.
1
9
5
5
 
 
 
 
 
 
 
 
 
 
 
 
S
k
e
w
n
e
s
s
 
 
 
 
 
 
 
 
 
7
.
0
7
 
 
 
 
 
 
2
 
 
 
 
0
.
0
2
9
2
 
 
H
e
t
e
r
o
s
k
e
d
a
s
t
i
c
i
t
y
 
 
 
 
 
 
 
 
1
4
.
2
1
 
 
 
 
 
 
5
 
 
 
 
0
.
0
1
4
3
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
S
o
u
r
c
e
 
 
 
 
 
 
 
 
 
c
h
i
2
 
 
 
 
 
d
f
 
 
 
 
 
 
p
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
C
a
m
e
r
o
n
 
&
 
T
r
i
v
e
d
i
'
s
 
d
e
c
o
m
p
o
s
i
t
i
o
n
 
o
f
 
I
M
-
t
e
s
t
 
 
 
 
 
 
 
 
 
P
r
o
b
 
>
 
c
h
i
2
 
 
=
 
 
 
 
0
.
0
1
4
3
 
 
 
 
 
 
 
 
 
c
h
i
2
(
5
)
 
 
 
 
 
 
=
 
 
 
 
 
1
4
.
2
1
 
 
 
 
 
 
 
 
 
a
g
a
i
n
s
t
 
H
a
:
 
u
n
r
e
s
t
r
i
c
t
e
d
 
h
e
t
e
r
o
s
k
e
d
a
s
t
i
c
i
t
y
W
h
i
t
e
'
s
 
t
e
s
t
 
f
o
r
 
H
o
:
 
h
o
m
o
s
k
e
d
a
s
t
i
c
i
t
y
.
 
i
m
t
e
s
t
,
 
w
h
i
t
e
 
 Total 22.96 8 0.0034Kurtosis 1.68 1 0.1955
 Skewness 7.07 2 0.0292
 Heteroskedasticity 14.21 5 0.0143
 
 Source chi2 df p
 
Cameron & Trivedi's decomposition of IM-test
 Prob > chi2 = 0.0143
 chi2(5) = 14.21
 against Ha: unrestricted heteroskedasticity
White's test for Ho: homoskedasticity
. imtest, white
(
b
i
n
=
1
0
,
 
s
t
a
r
t
=
-
3
8
1
5
5
.
6
7
2
,
 
w
i
d
t
h
=
7
8
2
2
.
3
6
0
9
)
.
 
h
i
s
t
o
g
r
a
m
 
r
e
s
i
d
u
a
l
,
 
n
o
r
m
a
l
(bin=10, start=-38155.672, width=7822.3609)
. histogram residual, normal
0
1.0e-05
2.0e-05
3.0e-05
Density
-40000-2000002000040000
Residuals
-40000
-20000
0
20000
40000
Residuals
-40000-2000002000040000
Inverse Normal
0.00
0.25
0.50
0.75
1.00
Normal F[(residual-m)/s]
0.000.250.500.751.00
Empirical P[i] = i/(N+1)
 
 
 
 
r
e
s
i
d
u
a
l
 
 
 
 
 
 
1
1
0
 
 
 
 
 
 
0
.
5
1
7
2
 
 
 
 
 
 
 
 
 
0
.
4
6
2
7
 
 
 
 
 
 
 
 
 
0
.
9
8
 
 
 
 
 
 
 
 
 
0
.
6
1
3
6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
V
a
r
i
a
b
l
e
 
 
 
 
 
 
O
b
s
 
 
 
P
r
(
S
k
e
w
n
e
s
s
)
 
 
 
P
r
(
K
u
r
t
o
s
i
s
)
 
 
a
d
j
 
c
h
i
2
(
2
)
 
 
 
 
P
r
o
b
>
c
h
i
2
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
j
o
i
n
t
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
S
k
e
w
n
e
s
s
/
K
u
r
t
o
s
i
s
 
t
e
s
t
s
 
f
o
r
 
N
o
r
m
a
l
i
t
y
.
 
s
k
t
e
s
t
 
r
e
s
i
d
u
a
l
 residual 110 0.5172 0.4627 0.98 0.6136
 
 Variable Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2
 joint 
 Skewness/Kurtosis tests for Normality
. sktest residual
 
 
 
 
r
e
s
i
d
u
a
l
 
 
 
 
 
 
1
1
0
 
 
 
 
0
.
9
9
0
8
0
 
 
 
 
 
 
0
.
8
2
3
 
 
 
 
-
0
.
4
3
5
 
 
 
 
0
.
6
6
8
0
7
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
V
a
r
i
a
b
l
e
 
 
 
 
 
 
O
b
s
 
 
 
 
 
 
 
W
 
 
 
 
 
 
 
 
 
 
 
V
 
 
 
 
 
 
 
 
 
z
 
 
 
 
 
 
 
P
r
o
b
>
z
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
S
h
a
p
i
r
o
-
W
i
l
k
 
W
 
t
e
s
t
 
f
o
r
 
n
o
r
m
a
l
 
d
a
t
a
.
 
s
w
i
l
k
 
r
e
s
i
d
u
a
l
 residual 110 0.99080 0.823 -0.435 0.66807
 
 Variable Obs W V z Prob>z
 Shapiro-Wilk W test for normal data
. swilk residual
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
_
c
o
n
s
 
 
 
 
 
 
3
6
5
8
1
.
6
 
 
 
7
6
9
3
6
.
7
8
 
 
 
 
 
0
.
4
8
 
 
 
0
.
6
3
5
 
 
 
 
-
1
1
5
9
3
6
.
6
 
 
 
 
1
8
9
0
9
9
.
8
 
 
 
 
 
 
_
h
a
t
s
q
 
 
 
 
 
9
.
4
0
e
-
0
7
 
 
 
1
.
9
4
e
-
0
6
 
 
 
 
 
0
.
4
8
 
 
 
0
.
6
3
0
 
 
 
 
-
2
.
9
2
e
-
0
6
 
 
 
 
4
.
7
9
e
-
0
6
 
 
 
 
 
 
 
 
_
h
a
t
 
 
 
 
 
.
6
2
6
0
0
2
9
 
 
 
.
7
7
7
4
1
4
2
 
 
 
 
 
0
.
8
1
 
 
 
0
.
4
2
2
 
 
 
 
-
.
9
1
5
1
3
0
1
 
 
 
 
2
.
1
6
7
1
3
6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
p
r
o
f
i
t
 
 
 
 
 
 
 
 
C
o
e
f
.
 
 
 
S
t
d
.
 
E
r
r
.
 
 
 
 
 
 
t
 
 
 
 
P
>
|
t
|
 
 
 
 
 
[
9
5
%
 
C
o
n
f
.
 
I
n
t
e
r
v
a
l
]
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
T
o
t
a
l
 
 
 
 
7
.
7
4
0
2
e
+
1
0
 
 
 
1
0
9
 
 
 
7
1
0
1
0
5
9
6
8
 
 
 
 
 
 
 
 
 
 
 
R
o
o
t
 
M
S
E
 
 
 
 
 
 
=
 
 
 
1
6
4
0
3
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
A
d
j
 
R
-
s
q
u
a
r
e
d
 
=
 
 
0
.
6
2
1
1
 
 
 
 
R
e
s
i
d
u
a
l
 
 
 
 
2
.
8
7
8
8
e
+
1
0
 
 
 
1
0
7
 
 
 
2
6
9
0
4
4
8
0
8
 
 
 
 
 
 
 
 
 
 
 
R
-
s
q
u
a
r
e
d
 
 
 
 
 
=
 
 
0
.
6
2
8
1
 
 
 
 
 
 
 
M
o
d
e
l
 
 
 
 
4
.
8
6
1
4
e
+
1
0
 
 
 
 
 
2
 
 
2
.
4
3
0
7
e
+
1
0
 
 
 
 
 
 
 
 
 
 
 
P
r
o
b
 
>
 
F
 
 
 
 
 
 
=
 
 
0
.
0
0
0
0
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
F
(
 
 
2
,
 
 
 
1
0
7
)
 
=
 
 
 
9
0
.
3
5
 
 
 
 
 
 
S
o
u
r
c
e
 
 
 
 
 
 
 
 
 
S
S
 
 
 
 
 
 
 
d
f
 
 
 
 
 
 
 
M
S
 
 
 
 
 
 
 
 
 
 
 
 
 
 
N
u
m
b
e
r
 
o
f
 
o
b
s
 
=
 
 
 
 
 
1
1
0
.
 
l
i
n
k
t
e
s
t
 
 _cons 36581.6 76936.78 0.48 0.635 -115936.6 189099.8
 _hatsq 9.40e-07 1.94e-06 0.48 0.630 -2.92e-06 4.79e-06
 _hat .6260029 .7774142 0.81 0.422 -.9151301 2.167136
 
 profit Coef. Std. Err. t P>|t| [95% Conf. Interval]
 
 Total 7.7402e+10 109 710105968 Root MSE = 16403
 Adj R-squared = 0.6211
 Residual 2.8788e+10 107 269044808 R-squared = 0.6281
 Model 4.8614e+10 2 2.4307e+10 Prob > F = 0.0000
 F( 2, 107) = 90.35
 Source SS df MS Number of obs = 110
. linktest
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
P
r
o
b
 
>
 
F
 
=
 
 
 
 
 
 
0
.
0
0
6
5
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
F
(
3
,
 
1
0
4
)
 
=
 
 
 
 
 
 
4
.
3
2
 
 
 
 
 
 
 
H
o
:
 
 
m
o
d
e
l
 
h
a
s
 
n
o
 
o
mi
t
t
e
d
 
v
a
r
i
a
b
l
e
s
R
a
m
s
e
y
 
R
E
S
E
T
 
t
e
s
t
 
u
s
i
n
g
 
p
o
w
e
r
s
 
o
f
 
t
h
e
 
f
i
t
t
e
d
 
v
a
l
u
e
s
 
o
f
 
p
r
o
f
i
t
.
 
o
v
t
e
s
t
 Prob > F = 0.0065
 F(3, 104) = 4.32
 Ho: model has no omitted variables
Ramsey RESET test using powers of the fitted values of profit
. ovtest
0
.05
.1
.15
.2
Leverage
0.02.04.06
Normalized residual squared
150000
200000
250000
300000
Valores ajustados
150000200000250000300000
Profit
Linear predictionFitted values
 
 
 
 
 
 
 
o
l
d
e
r
 
 
 
 
 
0
.
7
7
4
0
 
 
-
0
.
5
5
3
9
 
 
 
0
.
9
3
8
0
 
 
 
0
.
8
6
6
7
 
 
 
1
.
0
0
0
0
 
 
 
 
 
c
v
d
e
a
t
h
 
 
 
 
 
0
.
6
0
9
2
 
 
-
0
.
5
4
9
9
 
 
 
0
.
8
5
2
5
 
 
 
1
.
0
0
0
0
 
s
o
c
s
e
c
u
r
i
t
y
 
 
 
 
 
0
.
6
6
7
8
 
 
-
0
.
5
8
4
5
 
 
 
1
.
0
0
0
0
 
 
 
b
i
r
t
h
r
a
t
e
 
 
 
 
-
0
.
3
4
7
0
 
 
 
1
.
0
0
0
0
 
 
 
 
 
 
p
r
o
f
i
t
 
 
 
 
 
1
.
0
0
0
0
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
p
r
o
f
i
t
 
b
i
r
t
h
r
~
e
 
s
o
c
s
e
c
~
y
 
 
c
v
d
e
a
t
h
 
 
 
 
o
l
d
e
r
(
o
b
s
=
1
1
0
)
.
 
c
o
r
r
 
 
p
r
o
f
i
t
 
b
i
r
t
h
r
a
t
e
 
s
o
c
s
e
c
u
r
i
t
y
 
c
v
d
e
a
t
h
 
o
l
d
e
r
 older 0.7740 -0.5539 0.9380 0.8667 1.0000
 cvdeath 0.6092 -0.5499 0.8525 1.0000
 socsecurity 0.6678 -0.5845 1.0000
 birthrate -0.3470 1.0000
 profit 1.0000
 
 profit birthr~e socsec~y cvdeath older
(obs=110)
. corr profit birthrate socsecurity cvdeath older
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
N
o
t
e
:
 
 
N
=
O
b
s
 
u
s
e
d
 
i
n
 
c
a
l
c
u
l
a
t
i
n
g
 
B
I
C
;
 
s
e
e
 
[
R
]
 
B
I
C
 
n
o
t
e
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
.
 
 
 
 
 
 
1
1
0
 
 
 
-
1
2
7
6
.
5
3
2
 
 
 
-
1
2
2
0
.
7
0
9
 
 
 
 
 
 
5
 
 
 
 
 
2
4
5
1
.
4
1
8
 
 
 
 
 
2
4
6
4
.
9
2
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
M
o
d
e
l
 
 
 
 
 
 
O
b
s
 
 
 
 
l
l
(
n
u
l
l
)
 
 
 
l
l
(
m
o
d
e
l
)
 
 
 
 
 
d
f
 
 
 
 
 
 
 
 
 
 
A
I
C
 
 
 
 
 
 
 
 
 
B
I
C
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
.
 
e
s
t
a
t
 
i
c
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
_
c
o
n
s
 
 
 
 
 
1
0
7
0
0
2
.
4
 
 
 
1
6
3
4
4
.
4
3
 
 
 
 
 
6
.
5
5
 
 
 
0
.
0
0
0
 
 
 
 
 
7
4
5
9
4
.
4
1
 
 
 
 
1
3
9
4
1
0
.
4
 
 
 
 
 
 
 
o
l
d
e
r
 
 
 
 
 
1
0
6
0
9
.
4
7
 
 
 
1
4
6
2
.
0
4
2
 
 
 
 
 
7
.
2
6
 
 
 
0
.
0
0
0
 
 
 
 
 
7
7
1
0
.
5
0
6
 
 
 
 
1
3
5
0
8
.
4
3
 
 
 
 
 
c
v
d
e
a
t
h
 
 
 
 
-
4
9
.
6
9
9
2
9
 
 
 
3
6
.
2
9
4
1
1
 
 
 
 
-
1
.
3
7
 
 
 
0
.
1
7
4
 
 
 
 
-
1
2
1
.
6
6
3
8
 
 
 
 
2
2
.
2
6
5
2
3
 
s
o
c
s
e
c
u
r
i
t
y
 
 
 
 
-
2
8
1
.
9
0
8
2
 
 
 
1
2
6
.
7
9
4
6
 
 
 
 
-
2
.
2
2
 
 
 
0
.
0
2
8
 
 
 
 
-
5
3
3
.
3
1
8
5
 
 
 
-
3
0
.
4
9
8
0
2
 
 
 
b
i
r
t
h
r
a
t
e
 
 
 
 
 
5
7
0
.
1
9
3
2
 
 
 
6
4
7
.
9
8
1
4
 
 
 
 
 
0
.
8
8
 
 
 
0
.
3
8
1
 
 
 
 
-
7
1
4
.
6
3
4
2
 
 
 
 
1
8
5
5
.
0
2
1
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
p
r
o
f
i
t
 
 
 
 
 
 
 
 
C
o
e
f
.
 
 
 
S
t
d
.
 
E
r
r
.
 
 
 
 
 
 
t
 
 
 
 
P
>
|
t
|
 
 
 
 
 
[
9
5
%
 
C
o
n
f
.
 
I
n
t
e
r
v
a
l
]
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
T
o
t
a
l
 
 
 
 
7
.
7
4
0
2
e
+
1
0
 
 
 
1
0
9
 
 
 
7
1
0
1
0
5
9
6
8
 
 
 
 
 
 
 
 
 
 
 
R
o
o
t
 
M
S
E
 
 
 
 
 
 
=
 
 
 
1
6
3
4
5
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
A
d
j
 
R
-
s
q
u
a
r
e
d
 
=
 
 
0
.
6
2
3
8
 
 
 
 
R
e
s
i
d
u
a
l
 
 
 
 
2
.
8
0
5
2
e
+
1
0
 
 
 
1
0
5
 
 
 
2
6
7
1
5
8
0
7
0
 
 
 
 
 
 
 
 
 
 
 
R
-
s
q
u
a
r
e
d
 
 
 
 
 
=
 
 
0
.
6
3
7
6
 
 
 
 
 
 
 
M
o
d
e
l
 
 
 
 
4
.
9
3
5
0
e
+
1
0
 
 
 
 
 
4
 
 
1
.
2
3
3
7
e
+
1
0
 
 
 
 
 
 
 
 
 
 
 
P
r
o
b
 
>
 
F
 
 
 
 
 
 
=
 
 
0
.
0
0
0
0
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
F
(
 
 
4
,
 
 
 
1
0
5
)
 
=
 
 
 
4
6
.
1
8
 
 
 
 
 
 
S
o
u
r
c
e
 
 
 
 
 
 
 
 
 
S
S
 
 
 
 
 
 
 
d
f
 
 
 
 
 
 
 
M
S
 
 
 
 
 
 
 
 
 
 
 
 
 
 
N
u
m
b
e
r
 
o
f
 
o
b
s
 
=
 
 
 
 
 
1
1
0
.
 
r
e
g
r
e
s
s
 
p
r
o
f
i
t
 
 
b
i
r
t
h
r
a
t
e
 
s
o
c
s
e
c
u
r
i
t
y
 
c
v
d
e
a
t
h
 
o
l
d
e
r
 Note: N=Obs used in calculating BIC; see [R] BIC note
 
 . 110 -1276.532 -1220.709 5 2451.418 2464.92
 
 Model Obs ll(null) ll(model) df AIC BIC
 
. estat ic
 
 _cons 107002.4 16344.43 6.55 0.000 74594.41 139410.4
 older 10609.47 1462.042 7.26 0.000 7710.506 13508.43
 cvdeath -49.69929 36.29411 -1.37 0.174 -121.6638 22.26523
 socsecurity -281.9082 126.7946 -2.220.028 -533.3185 -30.49802
 birthrate 570.1932 647.9814 0.88 0.381 -714.6342 1855.021
 
 profit Coef. Std. Err. t P>|t| [95% Conf. Interval]
 
 Total 7.7402e+10 109 710105968 Root MSE = 16345
 Adj R-squared = 0.6238
 Residual 2.8052e+10 105 267158070 R-squared = 0.6376
 Model 4.9350e+10 4 1.2337e+10 Prob > F = 0.0000
 F( 4, 105) = 46.18
 Source SS df MS Number of obs = 110
. regress profit birthrate socsecurity cvdeath older
 
 
 
 
 
 
 
 
 
 
 
 
P
r
o
b
 
>
 
F
 
=
 
 
 
 
0
.
2
2
8
9
 
 
 
 
 
 
 
F
(
 
 
2
,
 
 
 
1
0
5
)
 
=
 
 
 
 
1
.
5
0
 
(
 
2
)
 
 
c
v
d
e
a
t
h
 
=
 
0
 
(
 
1
)
 
 
b
i
r
t
h
r
a
t
e
 
=
 
0
.
 
t
e
s
t
 
 
b
i
r
t
h
r
a
t
e
 
c
v
d
e
a
t
h
 Prob > F = 0.2289
 F( 2, 105) = 1.50
 ( 2) cvdeath = 0
 ( 1) birthrate = 0
. test birthrate cvdeath