Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1 Introducción a la Econometría Docente: Ramiro Rodríguez Revilla Guía 3. Modelos lineales y no lineales en R y Stata I. En R 1. Leer una base de datos de Excel > library(readxl) > dda=read_excel("dda.xls") > View(dda) > attach(dda) 2. Modelo lineal > m1=lm(dx~px) > summary(m1) Call: lm(formula = dx ~ px) Residuals: Min 1Q Median 3Q Max -6.332 -3.160 -1.246 2.097 10.925 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 71.4179 3.1309 22.81 1.30e-10 *** px -5.0429 0.4548 -11.09 2.61e-07 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 5.058 on 11 degrees of freedom Multiple R-squared: 0.9179, Adjusted R-squared: 0.9104 F-statistic: 122.9 on 1 and 11 DF, p-value: 2.611e-07 2 3. Modelo log log 3 3. Modelo log lin > AIC(m3) [1] -6.1245 > BIC(m3) [1] -4.429652 4. Modelo lin log > m4=lm(dx~lpx) > summary(m4) Call: lm(formula = dx ~ lpx) Residuals: Min 1Q Median 3Q Max -10.5466 -4.5983 -0.6483 3.8939 12.3517 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 83.496 5.423 15.397 8.65e-09 *** lpx -25.895 3.074 -8.424 3.98e-06 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 6.466 on 11 degrees of freedom Multiple R-squared: 0.8658, Adjusted R-squared: 0.8536 F-statistic: 70.96 on 1 and 11 DF, p-value: 3.985e-06 > AIC(m4) [1] 89.25225 > BIC(m4) [1] 90.9471 4 II. En Stata: 1. Preliminares: clear all use dda 2. Estadísticas descriptivas base de datos demanda 3. Modelo de regresión lineal (Demanda x – precio x) regress dx px estat ic 4. Modelo de regresión doble logarítmico (Demanda x – precio x) gen ldx=ln(dx) gen lpx=ln(px) regress ldx lpx 5 estat ic 5. Modelo de regresión doble logarítmico (Demanda x – precio z)
Compartir