Mathematics">
Nothing Special   »   [go: up one dir, main page]

Efts5 A016

Descargar como xlsx, pdf o txt
Descargar como xlsx, pdf o txt
Está en la página 1de 10

6.2.

Con base en datos mensuales de enero de 1978 a diciembre de 1987 se obtuvieron los siguientes resultados de regresió

Ẏˆt = 0.00681 + 0.75815 Xt


ee = (0.02596) (0.27009)
t = (0.26229) (2.80700)
valor p = (0.7984) (0.0186) r2 = 0.4406

Ẏˆt = 0.76214Xt
ee = (0.265799)
t = (2.95408)
valor p= (0.0131) r2 = 0.43684

donde Y = tasa mensual de rendimiento de las acciones comunes de Texaco, %, y X = tasa


mensual de rendimiento del mercado, %.*

a) ¿Cuál es la diferencia entre los dos modelos de regresión?


para el primer modelo el parámetro que representa el intercepto es diferente de cero, mientras que el segundo
modelo no tiene intercepto y por tanto representa una recta que pasa por el origen

b) Con los resultados anteriores, ¿conservaría el término del intercepto en el primer modelo? ¿Por qué?
NO se conservaría el término del intercepto, puesto que al realizar la prueba de hipóstesis al 5% de significancia,
encontramos que valor p = 0,7984 mayor que alfa y por tanto no se rechaza la hipótesis nula y podemos concluir que
el término independiente de la ecuación no es significativo

c) ¿Cómo interpretaría los coefi cientes de la pendiente en los dos modelos?


Los coeficientes de las pendinetes en ambos modelos representan el multiplicador entre la tasa de rendimiento del
mercado y la tasa de rendimiento de las acciones de texaco. Es decir, para el modelo 1, por cada 1% que rinde el
mercado, Texaco rinde un 0,75815% y en el segundo modelo un 0,76214%. Esto es conocido como el Beta de la acción

e) ¿Puede comparar los términos r 2 de los dos modelos? ¿Por qué?


No se pueden comparar, puesto que el R2 del segundo modelo es un R2 simple y no es comparable con el R2 de un
modelo de regresión lineal tradicional
guientes resultados de regresión:

as que el segundo

? ¿Por qué?
% de significancia,
podemos concluir que

a de rendimiento del
da 1% que rinde el
omo el Beta de la acción

rable con el R2 de un
6.15. Para estudiar la relación entre tasa de inversión (el gasto en inversión como razón del PNB) y la tasa de ahorro (el ahorro
país es la tasa promedio correspondiente al periodo 1960-1974, y la tasa de ahorro es la tasa de ahorro promedio para el perio

a) Grafi que la tasa de inversión contra la tasa de ahorro.


b) Con base en esta gráfi ca, ¿considera que los siguientes modelos puedan ajustarse a los datos igualmente bien?

Tasinvi _x0002_ β1 + β2Tasahoi + ui


ln Tasinvi _x0002_ α1 + α2 ln Tasahoi + ui
c) Estime estos dos modelos y obtenga las estadísticas habituales.

TASAHO TASINV
Alemania 0.271 0.264
Australia 0.25 0.27
Austria 0.285 0.282
Bélgica 0.235 0.224
Canadá 0.219 0.231
Dinamarca 0.202 0.224
España 0.235 0.241
Estados Unidos 0.186 0.186
Finlandia 0.288 0.305
Francia 0.254 0.26
Grecia 0.219 0.248
Irlanda 0.19 0.218
Italia 0.235 0.224
Japón 0.372 0.368
Luxemburgo 0.313 0.277
Noruega 0.278 0.299
Nueva Zelanda 0.232 0.249
Países Bajos 0.273 0.266
Reino Unido 0.184 0.192
Suecia 0.241 0.242
Suiza 0.297 0.297
5.259 5.367

a) Grafi que la tasa de inversión contra la tasa de ahorro.

Tasa de inversión Vs Tasa de ahorro


0.4
0.35
0.3
0.25
0.2
Tasa de inversión Vs Tasa de ahorro
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0.15 0.2 0.25 0.3

b) Con base en esta gráfi ca, ¿considera que los siguientes modelos puedan ajustarse a los datos igualmente bien?

Si, se trata de un modelo de regresión lineal y un modelo log-lineal respectivamente y ambos pueden ajustarse a la gráfica

c) Estime estos dos modelos y obtenga las estadísticas habituales.

Modelo Lineal Tasinvi _x0002_ β1 + β2Tasahoi + ui

Estadísticas de la regresión
Coeficiente de correlación mú 0.941892541605608
Coeficiente de determinació 0.887161559932271
R^2 ajustado 0.881222694665549
Error típico 0.014342016835936
Observaciones 21

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 0.03072696736562
Residuos 19 0.003908175491523
Total 20 0.034635142857143

Coeficientes Error típico


Intercepción 0.043519487576087 0.017629745664372
TASAHO 0.846756181955158 0.069280139645363

Tasinvi = _x0002_ 0,0435194875760869 + 0,846756181955158 Tasahoi + ui

Modelo Log- Lineal


Regression Statistics
Multiple R 0.938664847573341
R Square 0.881091696069884
Adjusted R Square 0.874833364284089
Standard Error 0.056429321218591
Observations 21

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regression 1 0.448303549127429
Residual 19 0.060501097570628
Total 20 0.508804646698056

Coeficientes Error típico


Intercept -0.215907515969549 0.098583928458544
TASAHO 0.828807442962599 0.069850960154989

ln Tasinvi = _x0002_ -0,215907515969549 + 0,828807442962599 ln Tasahoi + ui

d) ¿Cómo interpretaría el coefi ciente de la pendiente en el modelo lineal? ¿Y en el modelo


log-lineal? ¿Hay alguna diferencia en la interpretación de estos coefi cientes?

Modelo lineal Por cada aumento del 1% en la tasa de ahorro se espera un aumento del 0.8467% en la t
Modelo Log-linea Por cada aumento del 1% en la tasa de ahorro se espera un aumento del 0.8288% en la t

f ) ¿Compararía los dos coefi cientes r 2? ¿Por qué?

No, porque los datos del segundo modelo son de logarítmo natural por lo que ese r2 no se puede comparar con el r

Tenga en cuenta que esta elasticidad se defi ne como el cambio porcentual de la


tasa de inversión correspondiente a un cambio porcentual en la tasa de ahorro

Modelo lineal β2 (X/Y) 0.8297169


Modelo Log-linea β2 0.8288074
n como razón del PNB) y la tasa de ahorro (el ahorro como razón del PNB), Martin Feldstein y Charles Horioka recopilaron datos para una m
e ahorro es la tasa de ahorro promedio para el periodo 1960-1974. La variable TASINV representa la tasa de inversión, y la variable TASAH

n ajustarse a los datos igualmente bien?

versión Vs Tasa de ahorro


versión Vs Tasa de ahorro

0.3 0.35 0.4

an ajustarse a los datos igualmente bien?

tivamente y ambos pueden ajustarse a la gráfica

Promedio de los cuadrados F Valor crítico de F


0.03072696736562 149.382334855 1.89931399486205E-10
0.000205693446922

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%


2.46852611515745 0.0232286595042 0.006620005827455 0.080418969325 0.006620005827
12.2222066278966 1.899313995E-10 0.701751183184646 0.991761180726 0.701751183185
lnTasinvi = -0.215908 + 0.828807 lnTasahoi + ui

Promedio de los cuadrados F Valor crítico de F


0.448303549127429 140.7869902439 3.13404234663335E-10
0.003184268293191

Estadístico t Probabilidad Inferior 95% Superior 95%


-2.19008837794834 0.0411954708528 -0.42224604961135 -0.00956898233
11.8653693682034 3.134042347E-10 0.682607703134691 0.975007182791

? ¿Y en el modelo
tes?

horro se espera un aumento del 0.8467% en la tasa de inversión.


horro se espera un aumento del 0.8288% en la tasa de inversión.

por lo que ese r2 no se puede comparar con el r2 del primer modelo.

al de la
horro
pilaron datos para una muestra de 21 países. (Véase la tabla 6.8.) La tasa de inversión de cada
sión, y la variable TASAHO, la tasa de ahorro.
Superior 95.0%
0.08041896932472
0.99176118072567

También podría gustarte