Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1. Explique para que sirve el análisis de regresión basada en una variable cualitativa. R: Un análisis de regresión cualitativa se utiliza para poder dar una estimación correcta de una probabilidad y así tomar una decisión correcta a un futuro posible. El problema con este análisis es que está basado en una variable cualitativa, para poder llevarla en un análisis estadístico, se habría que convertir en una variable numérica para poder dar un análisis correcto, es decir una variable de categoría múltiple. donde cada respuesta tomará un número dentro de los números reales y se hará respecto a eso un análisis. 2. Escriba y explique la forma general del modelo de regresión basado en el logit. Recuerde mencionar y describir todas las partes que componen a una regresión. R: Los coeficientes del logit indican la cantidad de cambio esperado en porcentajes ya que estas se calculan mediante logaritmos naturales. Es decir, buscan probabilidades y su fórmula es: Pi = B0 + BkXi Donde: P = Probabilidad de evento B0 = Efecto común en la regresión (Valor constante), intercepto sobre el vector origen que se compone de la multiplicación sobre la marginalidad (Elasticidad) de B y un vector de unos. B1 = Efecto marginal en la regresión (Cuanto variara el valor en el modelo, dependiendo la cantidad de la variable respectiva X) X = Variable individual que sirve para calcular P. 3. Describa, explique para que sirve, y de un ejemplo del modelo de regresión logístico. R: Un modelo de regresión logística explica la cantidad esperada de cambio en la razón de los “odds” con cada unidad de incremento de la variable independiente, es decir, cuánto aumentara nuestra variable dependiente con respecto a las variables independientes. Un ejemplo podría ser el de: Que tanto crecerá la curva pandémica si la población dejase de usar cubre bocas. 4. Describa para que sirve la inferencia estadística basado en un logit, así como el tipo de datos utilizados en dicho modelo. R: Sirve para la previsión de cualquier probabilidad basado en un modelo estadístico, es decir, que ayuda a formular hipótesis para poder ejercer decisiones correctas basadas en una predicción estadística. Los tipos de datos que se utilizan dependen de esquemas experimentales de distintas fuentes de información de estos se obtendrá si pertenece a un corte transversales, Series de tiempo o Datos Panel. 5. Describa las fuentes de información y las características de las fuentes de información de los modelos logit, logístico y probit. R: Las fuentes de información para cualquiera de estos modelos se dan principalmente mediante encuestas, conteos, censos, datamining, big data, etc. Las características de estas fuentes de información, es que se necesita un diseño de muestreo, cuestionarios, captura y codificación de los datos, y procesamiento de ellos para su análisis. Con base en el cuadro 1.xls que contiene información de panel sobre las 4 compañías siguientes: AR Atlantic Refining, UO Union Oil, DMC The Diamond Match Company, y GYTR Good Year Tire and Rubber para los años de 1935 a 1954 (con frecuencia anual). Donde I es inversión, M es capital fijo y V es capital variable. Estime e interprete los coeficientes de las regresiones de los siguientes efectos fijos o aleatorios como corresponda: 6. Todos los coeficientes son constantes respecto a los individuos y el tiempo. Correr modelo. R: Yeit = Boit + B1X1it + B2X2it… BkXkit + eit . regress I M V Source | SS df MS Number of obs = 80 -------------+---------------------------------- F(2, 77) = 47.28 Model | 29123.2902 2 14561.6451 Prob > F = 0.0000 Residual | 23713.7327 77 307.970554 R-squared = 0.5512 -------------+---------------------------------- Adj R-squared = 0.5395 Total | 52837.0228 79 668.823074 Root MSE = 17.549 ------------------------------------------------------------------------------ I | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- M | .0829222 .0114177 7.26 0.000 .0601866 .1056578 V | .0092296 .0201651 0.46 0.648 -.0309243 .0493836 _cons | 12.27875 3.856197 3.18 0.002 4.600078 19.95742 ------------------------------------------------------------------------------ R: El coeficiente B0: 12.27875, lo que significa que la tasa promedio de la inversión es de 12.27 La primera variable dependiente M (X1) su B1: .0829222 , es decir, que cuando cambia el capital fijo en una unidad, la inversión cambia en de unidad. La segunda variable dependiente V (X2) su B2: .0092296 , es decir, que cuando cambia el capital variable en una unidad, la inversión cambia en 0.0092296 de unidad. 7. Los coeficientes de las pendientes son constantes, pero la intersección varía para cada individuo. regress I D1 D2 D3 D4 M V, noconst Source | SS df MS Number of obs = 80 -------------+------------------------------ F( 6, 74) = 133.46 Model | 157440.507 6 26240.0845 Prob > F = 0.0000 Residual | 14549.3161 74 196.61238 R-squared = 0.9154 -------------+------------------------------ Adj R-squared = 0.9085 Total | 171989.823 80 2149.87279 Root MSE = 14.022 ------------------------------------------------------------------------------ I | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- D1 | 52.07642 7.551854 6.90 0.000 37.02902 67.12382 D2 | 41.25922 5.451559 7.57 0.000 30.39675 52.12169 D3 | 1.200028 3.720241 0.32 0.748 -6.212714 8.612769 D4 | 30.68245 8.632481 3.55 0.001 13.48185 47.88304 M | .0066005 .01659 0.40 0.692 -.0264557 .0396567 V | .0258942 .0290827 0.89 0.376 -.0320543 .0838428 ------------------------------------------------------------------------------ B1: .0066005 , es decir que cuando cambia el capital fijo (M) en una unidad, la inversión cambia en 0.0066005 de unidad. B2: .0258942 lo que significa que cuando cambia el capital variable en una unidad, la inversión cambia en 0.0258942 de unidad. B01: 52.07642, es decir que la tasa promedio de la inversión de AR es 52.07642 unidades. B02: 41.25922 es decir que la tasa promedio de la inversión de UO es unidades. B03: 1.200028 es decir que la tasa promedio de la inversión de DMC es unidades. B04: 30.68245 es decir que la tasa promedio de la inversión de GYTR es 30.68245 unidades. 8. Coeficientes de pendientes constantes, pero la intersección varía para cada año. regress I D35 D36 D37 D38 D39 D40 D41 D42 D43 D44 D45 D46 D47 D48 D49 D50 D51 D52 D53 D54 M V, noconst Source | SS df MS Number of obs = 80 -------------+------------------------------ F( 22, 58) = 20.54 Model | 152426.675 22 6928.48521 Prob > F = 0.0000 Residual | 19563.1482 58 337.295658 R-squared = 0.8863 -------------+------------------------------ Adj R-squared = 0.8431 Total | 171989.823 80 2149.87279 Root MSE = 18.366 ------------------------------------------------------------------------------ I | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- D35 | -1.029135 11.35553 -0.09 0.928 -23.75969 21.70142 D36 | 4.843264 10.64168 0.46 0.651 -16.45837 26.1449 D37 | 12.22827 10.67359 1.15 0.257 -9.137233 33.59377D38 | 4.713443 10.5317 0.45 0.656 -16.36804 25.79492 D39 | -4.916993 10.26339 -0.48 0.634 -25.4614 15.62742 D40 | -2.895956 10.03013 -0.29 0.774 -22.97345 17.18154 D41 | 4.526626 9.981563 0.45 0.652 -15.45364 24.5069 D42 | 3.313753 9.93504 0.33 0.740 -16.57339 23.2009 D43 | 11.0735 9.896741 1.12 0.268 -8.736979 30.88398 D44 | 8.009644 9.944113 0.81 0.424 -11.89566 27.91495 D45 | 20.78386 9.915387 2.10 0.040 .9360604 40.63167 D46 | 8.444161 9.823423 0.86 0.394 -11.21956 28.10788 D47 | 6.74962 9.719956 0.69 0.490 -12.70699 26.20623 D48 | 13.89513 9.59582 1.45 0.153 -5.312992 33.10325 D49 | 11.13637 9.665354 1.15 0.254 -8.210937 30.48368 D50 | 8.466476 9.723811 0.87 0.388 -10.99785 27.9308 D51 | 15.56582 9.857387 1.58 0.120 -4.165884 35.29753 D52 | 21.25508 9.604052 2.21 0.031 2.03048 40.47968 D53 | 20.70684 9.950492 2.08 0.042 .7887609 40.62491 D54 | 20.81345 9.826248 2.12 0.038 1.144077 40.48282 M | .0967228 .0131969 7.33 0.000 .0703063 .1231393 V | .0035728 .0227834 0.16 0.876 -.042033 .0491787 ------------------------------------------------------------------------------ B1: .0967228 es decir que cuando cambia el capital fijo en una unidad, la inversión cambia en 0.0967228 de unidad. B2: .0035728 es decir que cuando cambia el capital variable en una unidad, la inversión cambia en 0.0035728 de unidad. 9. Coeficientes de intercepto constantes, pero las pendientes varían para cada individuo. . regress Y pe12 pe22 pe32 pe42 pe13 pe23 pe33 pe43 Source | SS df MS Number of obs = 80 -------------+------------------------------ F( 8, 71) = 29.46 Model | 40604.7408 8 5075.5926 Prob > F = 0.0000 Residual | 12232.282 71 172.285662 R-squared = 0.7685 -------------+------------------------------ Adj R-squared = 0.7424 Total | 52837.0228 79 668.823074 Root MSE = 13.126 ------------------------------------------------------------------------------ Y | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- pe12 | -.1189407 .0339477 -3.50 0.001 -.1866306 -.0512508 pe22 | .0796178 .0226776 3.51 0.001 .0343999 .1248357 pe32 | .116823 .776434 0.15 0.881 -1.431342 1.664988 pe42 | .0824971 .0405993 2.03 0.046 .0015444 .1634499 pe13 | .3581258 .077108 4.64 0.000 .2043769 .5118748 pe23 | -.0553036 .0515549 -1.07 0.287 -.1581011 .0474939 pe33 | -.4092719 .1113991 -3.67 0.000 -.6313953 -.1871485 pe43 | -.0397392 .0364891 -1.09 0.280 -.1124964 .033018 _cons | 31.8885 5.958497 5.35 0.000 20.00759 43.7694 El coeficiente B0: 31.8885 , lo que significa que la tasa promedio de la inversión es de 31.8885 unidades con aleatorios y constante cada individuo. 10. Coeficientes de intercepto constantes, pero las pendientes varían para cada año. regress I pe352 pe362 pe372 pe382 pe392 pe402 pe412 pe422 pe432 pe442 pe452 pe462 pe472 pe482 pe492 pe502 pe512 pe522 pe532 pe542 pe353 pe363 pe373 pe383 pe393 pe403 pe413 pe423 pe433 pe443 pe453 pe463 pe473 pe483 pe493 pe503 pe513 pe523 pe533 pe543 Source | SS df MS Number of obs = 80 -------------+------------------------------ F( 40, 39) = 5.46 Model | 44835.428 40 1120.8857 Prob > F = 0.0000 Residual | 8001.59484 39 205.169098 R-squared = 0.8486 -------------+------------------------------ Adj R-squared = 0.6932 Total | 52837.0228 79 668.823074 Root MSE = 14.324 ------------------------------------------------------------------------------ Y | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- pe352 | .0502363 .0277921 1.81 0.078 -.0059785 .106451 pe362 | .0514336 .0339272 1.52 0.138 -.0171906 .1200578 pe372 | .0880914 .0351935 2.50 0.017 .0169059 .1592769 pe382 | .0679947 .0348172 1.95 0.058 -.0024297 .1384191 pe392 | .0464743 .0477944 0.97 0.337 -.050199 .1431476 pe402 | .0832331 .044993 1.85 0.072 -.0077738 .1742401 pe412 | .0977061 .0464077 2.11 0.042 .0038377 .1915746 pe422 | .0404943 .0440578 0.92 0.364 -.0486211 .1296096 pe432 | .0810464 .0484131 1.67 0.102 -.0168783 .178971 pe442 | .0643252 .0445432 1.44 0.157 -.025772 .1544223 pe452 | .1254682 .0417205 3.01 0.005 .0410805 .2098559 pe462 | .1200329 .0410534 2.92 0.006 .0369945 .2030712 pe472 | .11868 .0427654 2.78 0.008 .0321787 .2051812 pe482 | .1845018 .0694183 2.66 0.011 .04409 .3249135 pe492 | .1821605 .0669666 2.72 0.010 .0467078 .3176132 pe502 | .1577136 .0707359 2.23 0.032 .0146368 .3007904 pe512 | .2863289 .0699705 4.09 0.000 .1448001 .4278577 pe522 | .3686316 .0942957 3.91 0.000 .1779006 .5593626 pe532 | .5311042 .1145893 4.63 0.000 .2993255 .7628829 pe542 | .5201267 .1319095 3.94 0.000 .2533147 .7869388 pe353 | .0341828 .0369306 0.93 0.360 -.0405164 .108882 pe363 | .0606675 .0572426 1.06 0.296 -.0551165 .1764515 pe373 | .0284182 .0538659 0.53 0.601 -.0805358 .1373723 pe383 | .031763 .0536763 0.59 0.557 -.0768075 .1403336 pe393 | .0341017 .0860391 0.40 0.694 -.1399288 .2081322 pe403 | -.0325795 .1006382 -0.32 0.748 -.2361395 .1709806 pe413 | -.0180472 .0997928 -0.18 0.857 -.2198971 .1838028 pe423 | .0881273 .0888023 0.99 0.327 -.0914924 .267747 pe433 | .0569116 .0908625 0.63 0.535 -.1268752 .2406984 pe443 | .0620428 .0705003 0.88 0.384 -.0805574 .2046431 pe453 | .0293374 .061032 0.48 0.633 -.0941114 .1527862 pe463 | -.0200707 .0591837 -0.34 0.736 -.1397811 .0996396 pe473 | -.0271116 .0628492 -0.43 0.669 -.154236 .1000129 pe483 | -.0940381 .1260524 -0.75 0.460 -.3490031 .1609268 pe493 | -.0813659 .0947519 -0.86 0.396 -.2730196 .1102879 pe503 | -.0563838 .0875393 -0.64 0.523 -.2334488 .1206812 pe513 | -.1328464 .0687519 -1.93 0.061 -.2719102 .0062175 pe523 | -.203535 .1103262 -1.84 0.073 -.4266907 .0196207 pe533 | -.2431516 .0859111 -2.83 0.007 -.4169231 -.0693801 pe543 | -.228742 .0990383 -2.31 0.026 -.4290659 -.0284182 _cons | 7.911259 3.679857 2.15 0.038 .4680444 15.35447 ------------------------------------------------------------------------------ El coeficiente B0: 7.911259 , lo que significa que la tasa promedio de la inversión es de 7.91 unidades con aleatorios y constante tiempo. 1/2
Compartir