Tema: Correlacion Jugarati
Enviado por John0099 • 7 de Febrero de 2018 • 604 Palabras (3 Páginas) • 231 Visitas
...
b) Nos vamos a basar en la regresión lineal
Prueba 1. R cuadrada = 76.58, además de que ninguna t. estadística es significativa esto puede comprobar multicolinealidad.
Prueba 2. Regresiones auxiliares
Todas X2 respecto a X3, X4. X5 y X6
Dependent Variable: X2
Method: Least Squares
Date: 04/20/16 Time: 23:46
Sample: 1971 1986
Included observations: 16
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-24.61032
33.61505
-0.732122
0.4794
X3
0.590204
0.132870
4.441966
0.0010
X4
-0.013624
0.015437
-0.882526
0.3964
X5
-0.825925
0.607604
-1.359313
0.2013
X6
0.000928
0.000440
2.110457
0.0585
R-squared
0.995965
Mean dependent var
162.2125
Adjusted R-squared
0.994498
S.D. dependent var
40.73568
S.E. of regression
3.021650
Akaike info criterion
5.299790
Sum squared resid
100.4340
Schwarz criterion
5.541224
Log likelihood
-37.39832
Hannan-Quinn criter.
5.312153
F-statistic
678.7926
Durbin-Watson stat
0.997480
Prob(F-statistic)
0.000000
x2 = -24.61 + .5902 (x3) - .016 (x4) -.826 (x5) .00093 (x6)
La R cuadrada es muy alta 99.60 es decir explica mucho este modelo, además de que dos variables son significativas, así que es muestra de multicolinealidad.
Prueba 3. 18227.59 > 30 Esto comprueba que el problema de multicolinealidad es muy alto
Después de hacer todas las pruebas ya no queda dudas de que hay una fuerte multicolinealidad.
c)
Debido a que la multicolinealidad es fuerte en X3, entonces se hara toda la regresión entre X3.
Dependent Variable: LX2
Method: Least Squares
Date: 04/21/16 Time: 00:29
Sample: 1971 1986
Included observations: 16
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-11.58139
4.645175
-2.493209
0.0299
LX3
1.443831
0.296150
4.875343
0.0005
LX4
-0.806556
0.312552
-2.580551
0.0256
LX5
-0.094123
0.028466
-3.306464
0.0070
LX6
1.316415
0.480225
2.741247
0.0192
R-squared
0.996016
Mean dependent var
5.058349
Adjusted R-squared
0.994567
S.D. dependent var
0.257459
S.E. of regression
...