Modelo econometrico de turismo receptivo..
Enviado por Eric • 16 de Noviembre de 2017 • 1.616 Palabras (7 Páginas) • 494 Visitas
...
- Harvey
La varianza de las perturbaciones aumenta de forma proporcional en función de variables exógenas. Como es menor a 0.5 presenta problemas de heterosedasticidad, por lo que, no presenta correlación entre las variables.
Heteroskedasticity Test: Harvey
F-statistic
430.4140
Prob. F(4,39)
0.0000
Obs*R-squared
43.02536
Prob. Chi-Square(4)
0.0000
Scaled explained SS
1654.546
Prob. Chi-Square(4)
0.0000
- Glesjer
Se toma como variable dependiente la raíz cuadrada del estimador de las varianzas en función de las variables exógenas, y este presenta un valor menor a 0.5 por lo que hay problemas de heterosedasticidad y no presenta correlación entre las variables.
Heteroskedasticity Test: Glejser
F-statistic
1.742086
Prob. F(4,39)
0.1603
Obs*R-squared
6.669964
Prob. Chi-Square(4)
0.1544
Scaled explained SS
6.452950
Prob. Chi-Square(4)
0.1678
- Arch
Dado que la varianza de la variable dependiente no es exógena al modelo se toma una estimación de ella. Se hizo una regresión de los residuos al cuadrado respecto a los residuos al cuadrado del período anterior y se calcula es el estadístico LM. Como es mayor a 0.5 pasa la prueba y según el resultado, no presenta problemas de heterosedasticidad, por lo que hay correlación entre las variables.
Heteroskedasticity Test: ARCH
F-statistic
31.56389
Prob. F(1,41)
0.0000
Obs*R-squared
18.70417
Prob. Chi-Square(1)
0.0000
A continuación se presentan los resultados del modelo con correcciones:
Se aplicaron dos variables Dummy en los periodos 2009Q1 y 2011Q3 para asumir el valor 1 de respectivo momento en la serie de tiempo, indicando respectivamente ausencia o presencia de una cualidad o atributo.
Pruebas de multicolinealidad.
- Correlaciones parciales: La R2 aumentó considerablemente y ahora es de (0.971060) por lo tanto explica el 97% del comportamiento del modelo, esto quiere decir que el ajuste de los datos es completamente acertado y no hay problemas de multicolinelaidad entre ellos, es decir, no están cerca de cumplir con la condición de ser lineales.
Dependent Variable: CONSUMO
Method: Least Squares
Date: 11/27/15 Time: 1:33
Sample: 2004Q1 2014Q4
Included observations: 44
Variable
Coefficient
Std. Error
t-Statistic
Prob.
ITCR
0.089416
0.005224
17.11539
0.0000
PIBEU
-0.232540
0.105413
-2.205990
0.0352
D09
316.8626
94.16496
3.364973
0.0021
D11
272.1544
93.25237
2.918471
0.0066
C
2026.805
57.94925
34.97551
0.0000
R-squared
0.971060
Mean dependent var
3740.857
Adjusted R-squared
0.969251
S.D. dependent var
590.5749
S.E. of regression
103.5591
Akaike info criterion
12.19998
Sum squared resid
343183.9
Schwarz criterion
12.33329
Log likelihood
-210.4996
Hannan-Quinn criter.
12.24600
F-statistic
...