Para afrontar un primer análisis de un modelo
econométrico
usando el entorno de programación R, los alumnos
contarán con la ayuda
de la siguiente información sobre la función
MenuMUM.
Destacar que se trata de una función creada por el profesor
en la que
se van calculando paso a paso cada uno de los conceptos explicados en
clase.
Pasos a seguir:
- Descarga e instalación de R (enlace).
¡¡Ojo!! Asegurarse que se asocian los archivos
.RData con R.
- Descargar la función MenuMUM: MenuMUM.RData.
- Ejecutar el archivo anterior. Si has instalado bien el
programa apararecerá la siguiente pantalla donde podemos
observar que nos avisan de que se ha cargado un espacio de trabajo ya
creado:
- Y finalmente, sin más que escribir MenuMUM(),
podremos empezar a trabajar!!!!
Como ejemplo analicemos un modelo en el que el consumo familiar mensual
(en miles de euros) es explicado a partir de la renta mensual familiar
(también medida en miles de euros). Los datos de los que se
disponen son los siguientes para el consumo:
1.3 2.5 1 2.7 1.8 1.1 2
1.2 1.6 2 1.5 1.7 3 1.4 4 4 2 1.5 2.3 5.1 1.6
3.2
mientras que para la renta:
1.5 3.2 2.2 4.1 1.7 2.3
2.8 1.8 2.5 3 2.7 2.6 5 2 8 6.6 5 3 2.7 7 2.5 4
Al ejecutar MenuMUM() introduciremos los datos tal y como aparece en la
siguiente imagen:
Adviértase que el programa considera que el modelo tiene
término independiente (por lo que no hay que incluirlo) y
que,
en este caso, no se ha querido realizar
predicción ni contraste alguno sobre combinaciones lineales
de los parámetros.
Al finalizar, se mostrarán en pantalla la
representación gráfica de los valores observados
para el consumo junto a su estimación y la
gráfica de los residuos. Además,
también aparecerán los siguientes resultados:
$`X^{t}X`
[,1] [,2]
[1,] 22.0 76.2
[2,] 76.2 331.8
$`X^{t}Y`
[,1]
[1,] 48.50
[2,] 204.45
$`Estimación de los coeficientes de las variables`
[,1]
[1,] 0.3437073
[2,] 0.5372499
$`Estimación de la varianza de la perturbación
aleatoria`
[,1]
[1,] 0.2309731
$`Estimación de la matriz de varianzas-covarianzas de beta
estimada`
[,1]
[,2]
[1,] 0.05132529 -0.011787183
[2,] -0.01178718 0.003403124
$`Estimación de la variable dependiente`
[,1]
[1,] 1.149582
[2,] 2.062907
[3,] 1.525657
[4,] 2.546432
[5,] 1.257032
[6,] 1.579382
[7,] 1.848007
[8,] 1.310757
[9,] 1.686832
[10,] 1.955457
[11,] 1.794282
[12,] 1.740557
[13,] 3.029957
[14,] 1.418207
[15,] 4.641706
[16,] 3.889556
[17,] 3.029957
[18,] 1.955457
[19,] 1.794282
[20,] 4.104456
[21,] 1.686832
[22,] 2.492707
$`Residuos del modelo`
[,1]
[1,] 0.15041791
[2,] 0.43709314
[3,] -0.52565700
[4,] 0.15356827
[5,] 0.54296793
[6,] -0.47938198
[7,] 0.15199309
[8,] -0.11075705
[9,] -0.08683195
[10,] 0.04454312
[11,] -0.29428193
[12,] -0.04055694
[13,] -0.02995660
[14,] -0.01820702
[15,] -0.64170618
[16,] 0.11044362
[17,] -1.02995660
[18,] -0.45545688
[19,] 0.50571807
[20,] 0.99554368
[21,] -0.08683195
[22,] 0.70729326
$`Sumas de cuadrados: SCT, SCE, SCR`
[1] 24.209545 19.590084 4.619462
$`Coeficiente de determinación`
[,1]
[1,] 0.8091884
$`Coeficiente de determinación corregido`
[,1]
[1,] 0.7996478
$`Selección de modelos`
$`Selección de modelos`$`Criterio de información
de Akaike`
[,1]
[1,] 32.09648
$`Selección de modelos`$`Criterio de información
bayesiano de Schwarz`
[,1]
[1,] 34.27857
$`Selección de modelos`$`Criterio de información
de Hannan-Qinn`
[,1]
[1,] 32.61052
$`Matriz de varianzas-covarianzas de las variables dependientes`
[,1]
[1,] 3.231948
$`Matriz de correlaciones de las variables dependientes`
[,1]
[1,] 1
$`Contrastes de significación individual`
$`Contrastes de significación individual`$`Valores
experimentales de cada contraste`
[,1] [,2]
[1,] 1.517131 9.20953
$`Contrastes de significación individual`$`Valor
teórico de la t-Student`
[1] 2.085963
$`Contrastes de significación
individual`$`Decisión de cada contraste`
[,1]
[,2]
[1,] "La variable 1 no es significativa" "La
variable 2 es significativa"
$`Contraste de significación conjunta`
$`Contraste de significación conjunta`$`Tabla ANOVA`
[,1]
[,2]
[,3]
[1,] "Fuentes de variación" "Sumas de cuadrados" "Grados de
libertad"
[2,]
"Estimada"
"19.5900835080695"
"1"
[3,]
"Residual"
"4.61946194647594"
"20"
[4,]
"Total"
"24.2095454545454"
""
[,4]
[1,]
"Medias"
[2,] "19.5900835080695"
[3,] "0.230973097323797"
[4,] "84.8154340702569"
$`Contraste de significación conjunta`$`Contraste ANOVA`
[1] "Como la F experimental, 84.8154340702569 , es mayor que la
teórica, 4.35124350332929 , se rechaza la
hipótesis nula, es decir, existe al menos un coeficiente no
nulo"
$`Significación del coeficiente de determinación`
[1] "Puesto que el coeficiente de determinación,
0.809188406484162 ,es mayor que la cota inferior de
significación, 0.178686706604301 ,es significativo"
$`Intervalos individuales para cada coeficiente`
[,1] [,2]
[1,] -0.1288695 0.8162841
[2,] 0.4155625 0.6589372
$`Intervalo de confianza para la varianza de la perturbación
aleatoria`
[,1] [,2]
[1,] 0.1351921 0.4816567