UNIVERSIDAD NACIONAL DE SAN AGUSTÍN DE AREQUIPA
FACULTAD DE ECONOMÍA
ESCUELA DE POSGRADO
EJERCICIO 2
ESTIMACIÓN DEL MODELO ANOVA, PRUEBA DE NORMALIDAD, PRUEBA
DE HETEROCEDASTICIDAD Y PRUEBA DE SIGNIFICANCIA INDIVIDUAL
Presentado por:
Dulhey Lossin Quispe Toledo
Docente:
Carlos Pedro Vera Ninacondor
Curso:
Estadística para el análisis político
AREQUIPA – PERÚ
2020
2
Índice
1
Caso a resolver ....................................................................................................................... 4
2
Estimación del modelo ANOVA ............................................................................................ 8
2.1
3
Contraste de normalidad........................................................................................................ 9
3.1.1
4
Contraste de normalidad Doornik-Hansen para los errores con valor p ................................. 9
Contraste de heterocedasticidad .......................................................................................... 11
4.1
4.1.1
5
Estimación del modelo ANOVA con MCO ............................................................................. 8
Contraste de heterocedasticidad White ................................................................................. 11
Contraste de heterocedasticidad White para los errores con valor p ..................................... 11
Contraste de significancia individual .................................................................................. 13
5.1
5.1.1
5.1.2
Contraste de significancia individual para los coeficientes de regresión parcial ............... 13
Contraste de significancia para 𝜷𝟎 con valor p .................................................................... 13
Contraste de significancia para 𝜷𝟏 con valor p .................................................................... 14
Anexos .......................................................................................................................................... 16
3
Índice de tablas
Tabla 1 Matriz de datos................................................................................................................................................. 4
Tabla 2 Estimación del modelo ANOVA con MCO ....................................................................................................... 8
Tabla 3 Contrastes de normalidad Doornik-Hansen para los errores ........................................................................ 16
Tabla 4 Contraste de heterocedasticidad White .......................................................................................................... 17
4
1 Caso a resolver
Datos
Con los datos que se presenta en la Tabla 1, y con el software econométrico gretl 2020, estimar
con MCO el modelo ANOVA que se plantean a continuación, además, realizar la prueba de
normalidad, la prueba de heterocedasticidad, y la prueba de significancia individual, en el nivel de
significancia del 5 %.
Modelo ANOVA
𝑁𝑜𝑡𝑎𝑖 = 𝛼0 + 𝛼1 𝑀𝑒𝑡𝑜𝑑𝑜𝑖 + 𝑢𝑖
Donde
𝑁𝑜𝑡𝑎𝑖 Representa la nota lograda por el i-ésimo estudiante.
𝑀𝑒𝑡𝑜𝑑𝑜𝑖 Representa el método de enseñanza, siendo el valor uno para el método de
enseñanza blended learning y el valor cero para el método de enseñanza clase
magistral.
𝑢𝑖 es la perturbación estocástica.
Tabla 1
Matriz de datos
N°
1
2
3
4
5
6
7
8
9
10
11
12
13
Grupo
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Nota
10
15
11
15
14
14
15
10
15
8
14
14
16
Método
1
1
1
1
1
1
1
1
1
1
1
1
1
5
N°
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
Grupo
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Nota
15
15
7
16
20
10
14
19
14
12
14
14
9
15
6
15
10
16
6
5
18
16
12
10
7
16
11
9
8
16
14
19
12
12
16
15
6
14
5
9
Método
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
6
N°
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
Grupo
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Tratamiento
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Control
Nota
14
15
11
12
15
12
14
15
5
17
11
11
14
15
11
11
7
12
7
11
5
11
5
5
11
5
7
14
14
11
5
11
5
5
5
11
11
16
14
5
Método
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
7
N°
Grupo
94
Control
95
Control
96
Control
97
Control
98
Control
99
Control
100
Control
101
Control
102
Control
103
Control
104
Control
105
Control
106
Control
107
Control
108
Control
109
Control
110
Control
111
Control
112
Control
113
Control
114
Control
115
Control
116
Control
117
Control
118
Control
119
Control
120
Control
Fuente: Cuestionario aplicado a estudiantes.
Elaboración: Autoría propia.
Nota
11
7
7
5
5
15
8
15
11
6
8
5
15
14
16
5
11
6
8
19
11
11
18
20
12
5
8
Método
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
8
2 Estimación del modelo ANOVA
2.1 Estimación del modelo ANOVA con MCO
𝑁𝑜𝑡𝑎𝑖 = 𝛼0 + 𝛼1 𝑀𝑒𝑡𝑜𝑑𝑜𝑖 + 𝑢𝑖
Tabla 2
Estimación del modelo ANOVA con MCO
Fuente: Software econométrico gretl 2020.
Elaboración: Software econométrico gretl 2020.
Ecuación del modelo ANOVA
𝑁𝑜𝑡𝑎𝑖 = 10.0833 + 2.60000𝑀𝑒𝑡𝑜𝑑𝑜𝑖 + 𝑢𝑖
9
3 Contraste de normalidad
3.1.1 Contraste de normalidad Doornik-Hansen para los errores con valor p
Planteamiento de hipótesis
𝐻0: Los errores se distribuyen normalmente.
𝐻1: Los errores no se distribuyen normalmente.
Nivel de significancia seleccionado
𝛼 = 5 % = 0,05
Estadístico de contraste
Doornik-Hansen (DH) que sigue la distribución chi-cuadrado (ji-cuadrado)
Estadístico calculado1
𝐷𝐻𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 𝜒2𝐶 = 2,21621
con valor p = 0,330183
Regla de decisión
La regla de decisión es rechazar la hipótesis nula (𝐻0) si el valor p del estadístico de
contraste chi-cuadrado (Doornik-Hansen) calculado es menor que el valor del nivel de
significancia seleccionado, o no rechazar la hipótesis nula (𝐻0) en caso contrario.
Decisión
La decisión es no rechazar la hipótesis nula (𝐻0) porque el valor p (0,0907953) del
estadístico de contraste chi-cuadrado (Doornik-Hansen) calculado no es menor que el valor
del nivel de significancia de 5 % (α = 0,05).
1
El estadístico calculado con el valor p se presenta en la tabla 3.
10
Conclusión
La conclusión es que los errores de regresión se distribuyen normalmente, por lo tanto, se
cumple el supuesto de normalidad en el nivel de significancia de 5 % (α = 0,05), con el
estadístico de contraste Doornik-Hansen.
11
4 Contraste de heterocedasticidad
4.1 Contraste de heterocedasticidad White
4.1.1 Contraste de heterocedasticidad White para los errores con valor p
Planteamiento de hipótesis
𝐻0: Los errores no son heterocedásticos (los errores son homocedásticos).
𝐻1: Los errores son heterocedásticos (los errores no son homocedásticos).
Nivel de significancia seleccionado
𝛼 = 5 % = 0,05
Estadístico de contraste
White (W) que sigue la distribución chi-cuadrado (ji-cuadrado)
Estadístico calculado2
𝑊𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = χ2c = 𝑛 × 𝑅2 = 𝑇𝑅^2 = 2,36857
con valor p = 0,1238
Regla de decisión
La regla de decisión es rechazar la hipótesis nula (H0) si el valor p del estadístico de
contraste White calculado es menor que el valor del nivel de significancia seleccionado, o
no rechazar la hipótesis nula (H0) en caso contrario.
Decisión
La decisión es no rechazar la hipótesis nula (H0) porque el valor p (0,1238) del estadístico
de contraste White calculado no es menor que el valor del nivel de significancia de 5 % (α
= 0,05).
2
El estadístico calculado con el valor p se presenta en la tabla 4.
12
Conclusión
La conclusión es que los errores de regresión no son heterocedásticos, por lo tanto, se
cumple con el supuesto de no heterocedasticidad (homocedasticidad) en el nivel de
significancia de 5 % (α = 0,05), con el estadístico de contraste White.
13
5 Contraste de significancia individual
5.1 Contraste de significancia individual para los coeficientes de regresión parcial
5.1.1 Contraste de significancia para 𝜷𝟎 con valor p
Planteamiento de hipótesis
𝐻0: 𝛽0 = 0 (el verdadero coeficiente de la constante 𝛽0 es cero)
𝐻1: 𝛽0 ≠ 0 (el verdadero coeficiente de la constante 𝛽0 es diferente de cero)
Nivel de significancia seleccionado
𝛼 = 5 % = 0,05
Estadístico de contraste
𝑡 que sigue una distribución 𝑡 de Student con 𝑛−2 grados de libertad
Estadístico calculado3
tc =
β̂̂0−β0
DT(β̂ 0)
=
Regla de decisión
10,0833−0
0,508344
= 19,84
con valor p = 2,20e-039
La regla de decisión es rechazar la hipótesis nula (𝐻0) si el valor p del estadístico de
contraste 𝑡 calculado es menor que el valor del nivel de significancia seleccionado, o no
rechazar la hipótesis nula (𝐻0) en caso contrario.
Decisión
La decisión es rechazar la hipótesis nula (𝐻0) porque el valor p (2,20e-039) del estadístico
de contraste 𝑡 calculado es menor que el valor del nivel de significancia de 5 % (α = 0,05).
3
El estadístico calculado con el valor p se presenta en la tabla 2.
14
Conclusión
La conclusión es que el coeficiente de regresión 𝛽0 es estadísticamente significativo, es
decir, significativamente el coeficiente de regresión 𝛽0 es diferente de cero en el nivel de
significancia de 5 % (α = 0,05), con el estadístico de contraste 𝑡 bilateral.
5.1.2 Contraste de significancia para 𝜷𝟏 con valor p
Planteamiento de hipótesis
𝐻0: 𝛽1 = 0 (el verdadero coeficiente de la constante 𝛽1 es cero)
𝐻1: 𝛽1 ≠ 0 (el verdadero coeficiente de la constante 𝛽1 es diferente de cero)
Nivel de significancia seleccionado
𝛼 = 5 % = 0,05
Estadístico de contraste
𝑡 que sigue una distribución 𝑡 de Student con 𝑛−2 grados de libertad
Estadístico calculado4
tc =
β̂̂1−β1
DT(β̂ 1)
Regla de decisión
=
2,60−0
0,718907
= 3,617
con valor p = 0,0004
La regla de decisión es rechazar la hipótesis nula (𝐻0) si el valor p del estadístico de
contraste 𝑡 calculado es menor que el valor del nivel de significancia seleccionado, o no
rechazar la hipótesis nula (𝐻0) en caso contrario.
Decisión
La decisión es rechazar la hipótesis nula (𝐻0) porque el valor p (0,0004) del estadístico de
contraste 𝑡 calculado es menor que el valor del nivel de significancia de 5 % (α = 0,05).
4
El estadístico calculado con el valor p se presenta en la tabla 2.
15
Conclusión
La conclusión es que el coeficiente de regresión 𝛽1 es estadísticamente significativo, es
decir, significativamente el coeficiente de regresión 𝛽1 es diferente de cero en el nivel de
significancia de 5 % (α = 0,05), con el estadístico de contraste 𝑡 bilateral.
16
Anexos
Tabla 3
Contrastes de normalidad Doornik-Hansen para los errores
Fuente: Software econométrico gretl 2020.
Elaboración: Software econométrico gretl 2020.
17
Tabla 4
Contraste de heterocedasticidad White
Fuente: Software econométrico gretl 2020.
Elaboración: Software econométrico gretl 2020.