solucionario de econometria Damodar N. Gujarati capitulo 17-18
17.1
(A) Falso. modelos econométricos dinámicos si que representan
La
ruta de la variable dependiente en relación con sus valores anteriores. Los
modelos con los datos transversales no son dinámicas, a menos que uno utiliza
modelos de regresión en panel valores desfasados de regressand.
(b)
El modelo Koyck se supone que todos rezagos
distribuidos los coeficientes tienen el mismo signo.
(c)
Falso. Los
estimadores son sesgados, así como incoherente.
(d)
De prueba, vea el Johnston texto citado en la nota No
30.
(e)
Falso. El método
produce estimaciones coherentes, aunque en pequeñas muestras las estimaciones
obtenidas de este modo son parciales.
(f)
En estas situaciones, utilice
el estadístico Durbin h. Sin embargo, la Durbin d estadística
se puede utilizar en el cálculo de la
H estadística.
(g)
Falso. Estrictamente
hablando, es válido para muestras grandes.
(h)
La prueba
Granger es una medida de precedencia y al contenido de la información ,
pero no por sí mismo, indicar causalidad en el uso común del término.
|
17.2
Hacer
uso de las ecuaciones (17.7.1 ), (17.6.2 ), y (17.5.2 ).
|
Donde L es el operador que
lag lxt =
X,_X. Sustituir Eq. (1) en Eq. (4) para
obtener
R, =
60s+S0lx; 5ul+Q-S)Yl_l (6) sustituto Eq. (5) en Eq. (6) para obtener
1- (1- y)L Simplificar Eq. (7), obtenemos
Y, =ax + a2Xt + " 3 ^_, + a4Y"_2 -" (17.7.2 )
Cuando la ds (no
lineal) las combinaciones de los diversos parámetros de Eq. (7).
17.3
Cov[i;_"
(M, -A" , . , )] = E{ [ (Y,_X-E(Y,_X ) ] [u, -Au"_x] }, ya que E(u,) = 0
Libras
esterlinas = [ ( " , . ,) (w, -iw, . , ) ], puesto que [Yt.i-E (Yt-i)] =
w,_, = -AE[ (u,_X )2], dado que no hay serie
Correlación.
= - Ac2 .
17.4
La P * los
valores son 100.105 , 115.135 , y 160, respectivamente.
17.5
(A) calcula los valores de Y ,
que son una función lineal de la
Nonstochastic las variables X ,
son asintóticamente no correlacionados con el término de error población,
v.
(B) El problema de multicolinealidad podría ser menos grave.
17.6
(A) La mediana es el valor del tiempo para el que la fracción
de ajuste terminado es Vi . Para obtener la mediana Koyck
lag para el régimen, resolver
Período t respuesta _ (1 - A' ) /
(I - A) _ 1
Respuesta larga / ?0 / (I -A) 2
Simplificando, podemos recibir
A'
= -. Por lo tanto,
2
T\microfinanzas fiNANCIERAMENTE
= ln ( ^ -) = - 2. Por lo tanto,
T = -- ", que es la respuesta necesaria.
En un
En
un lapso promedio de 2 0,2 -1.6094 0,6932 0,4307
(b)
0,6932
0,4 -0.9163 0,7565
0.6 -0.5108 0,6932 1,3569
0.8 -0.2231 0,6932 3,1063
Significa lag = - b = ------------- - = - --------- 1 =------
0
(b)
Si
X es muy grande, la velocidad de ajuste será lento.
|
17.8
|
Utilice la fórmula . Para los datos de
la Tabla 17.1 , esta pasa a ser:
|
"K
11,316
1.03
|
* 10,959 = 10,986
|
17.9
|
(Un) siguiendo
los pasos de ejercicio 17.2 , podemos escribir la ecuación de Mt como :
M = a+ ^l~r^Y + ~
-2- R + u,
\ -Yxl l2L
Que se puede
escribir como:
M =
A + (1 -yx )Y - república federativa2 ( 1 - yx )Y,_X + £ (1 - y2 )R, -P 2Yi( \ -y2)R, -\ +Oi +riW,
-t - (r,r2)M(.2 +
Donde A es una combinación de a, y {, y .
Tenga en cuenta que si y = y2 = y , el modelo se puede simplificar aún más.
(Б) El modelo desarrollado es altamente no lineal en los
parámetros y necesidades que se calcula utilizando sistemas no lineales
procedimiento iterativo que se examinan en el Capítulo 14.
|
17,10
|
La estimación de Eq. (17.7.2 ) plantea el
mismo problema de estimación como la Koyck las expectativas adaptativas o
modelo en que cada uno de ellos es autoel, que requieren técnicas de estimación
no lineal.
Tal como se ha explicado, Griliches, ya que
la correlación serial modelo incluye valores desfasados de los regresores y la
Koyck y ajuste parcial modelos no la correlación serial modelo puede ser
apropiado en situaciones donde estamos transformando un modelo para
deshacerse de (de primer orden) correlación serial, a pesar de que puede
parecer a la Koyck o la PAM.
17.12
A) Sí ,
en este caso el modelo Koyck puede ser estimado con MCO.
(b)
Habrá
una muestra finita sesgo debido a la zaga regressand, pero las estimaciones son
coherentes. La prueba puede encontrarse en Henri Theil, principios de Econometría, John
Wiley & Sons, Nueva York, 1971, págs. 408-411.
(c)
Puesto que
ambos p y X se supone que se encuentran entre 0 y 1, la hipótesis de que ambos son iguales es
plausible.
17.13
Similar
a Koyck, Alt, Tinbergen, y otros modelos, este enfoque es especial y tiene poco
fundamento teórico. Se supone que la importancia de los valores anteriores
disminuye continuamente desde el principio, lo que puede una hipótesis
razonable, en algunos casos.
Mediante el promedio ponderado de las variables
explicativas, este modelo triangular evita los problemas de multicolinealidad
que pueden estar presentes en otros modelos.
17.14
(A) en
promedio, a lo largo del período de muestreo, el cambio en el empleo está
relacionada positivamente a la salida, lo que ha tenido consecuencias negativas
relacionadas con el empleo en el período anterior, y negativamente con el
tiempo . El signo negativo del coeficiente de permanencias y el signo negativo
de la variable tiempo de cuadrado sugieren que a lo largo del período de
muestreo el cambio en el empleo ha disminuido, pero disminuyendo a un ritmo más
rápido.
Tenga en cuenta que el tiempo coeficiente no es
significativo al nivel del 5 por ciento, pero el tiempo de coeficiente es
cuadrado.
0B) es
0,297
(c)
Para
obtener el largo
plazo curva de la demanda, dividir la demanda a corto plazo a través de S
y la zaga empleo plazo. Esto le da al largo
plazo de la demanda:
47,879 + 0.579Q, + 0,094 / + 0.002 /2
 |
|
Desde h asintóticamente sigue la distribución normal, el 5%
valor crítico es de 1,96 . Suponiendo que la muestra de 44 observaciones es
bastante grande, podemos concluir que no hay evidencia de primer orden
de autocorrelación positiva en los datos.
|
(d)
La
estadística de prueba aquí es la Durbin h. Dado
que n = 44 y d = 1.37
, obtenemos:
17.15
(A) es
(1 - 0,0864 ) = 0,136 .
(b)
El
precio a corto plazo elasticidad es de -0,218 , y los precios a largo plazo es
elasticidad (-0.218/0,136 ) = -1,602 .
(c)
El
corto plazo elasticidad tasa de interés es de -0,855 . La elasticidad de largo
plazo (-0.855/0,136 ) = -6,287 .
(I/ )El valor de la adaptación de 0,136 es relativamente
baja. Esto puede ser debido a la naturaleza de la tecnología en este mercado.
Recuerde que los tractores son un bien duradero con una relativamente larga
vida.
17.16
La
zaga término representa la influencia combinada de todos los valores desfasados
de un regresor (s) en el modelo, como hemos visto en el desarrollo del
modelo Koyck.
17.17
El
grado del polinomio debe ser de al menos uno más que el número de puntos de
inflexión en la serie de tiempo observada trazados en el tiempo. Por lo tanto,
para la primera figura en la parte superior de la izquierda comer, utilizar
un polinomio de grado 4; de la figura en la parte superior derecha comer,
utilizar un segundo polinomio de grado; para la figura en la parte inferior
izquierda comer, utilizar un polinomio de grado 6, y a la figura en
la parte inferior derecha comer, utilizar un segundo polinomio de grado.
17.18
(A) var(nO) = £ i2J var(a,) + 2^ ij+P cov(^ > op)
>0 J<p
Semejante expresión se indica, salvo que ahora tenemos un
plazo adicional.
(b)
Esto no es
necesariamente así. Esto se debe a que, como se ha visto en la primera
parte (a), las variaciones de las estimaciones de la fii implica
tanto las variaciones y la covarianza de las estimaciones de los
coeficientes y la covarianza puede ser negativo.
17.19
Dado
que =A0+ axi + a2i2 Si
/ ?0 =0 -> a0 = 0
y cuando / ?4 = 0 -"
a0 + 4a, +16a2 =0 - >a, =-4 a2. Por lo tanto, el modelo transformado es:
/ =0
= A + E(tf0 + ¿V + ¿V2 )X, -i + ut = ct + ci 2 [ "4 X + X Xt_i ]
+ ut
/ =0 k/2
 |
= A + / ?Z + W,
17,21
Aquí n = 19 y d = 2.54 . Aunque la muestra no es muy grande,
sólo para ilustrar la prueba h, encontramos el valor
h como:
 |
Este valor h no es significativo al nivel del 5 por ciento.
Por lo tanto, no hay ninguna evidencia de primer orden de correlación serial
positiva, teniendo en cuenta que nuestra muestra no puede ser lo
suficientemente grande como para aceptar este resultado.
17.22 Mediante el ajuste de existencias, o
modelo de ajuste parcial (PAM), la de corto plazo función de gasto puede ser
escrito como (ver Eq. 17.6.5 ):
Yl=S/ 30+Spx, + ( \ -S)X,_L+ul (1)
Donde Y= gastos
para nuevas instalaciones y equipo y * = ventas. Los datos de los resultados de
la regresión son los siguientes:
Y =-15.104
+ 0,629 * , +0.272 ^ ., t = (-3.194) (6,433 ) (2,365 ) (2)
R2 = 0,987
; F = 690,056 ; ¿ = 1,519
Desde el coeficiente de la zaga valor Y nos
encontramos con que 8 = 0,728
.
El largo plazo es función de gasto:
Y * = 20,738 + 0,864 * , que se obtiene a partir de (2)
dividiendo por 0,728 y disminuyendo el rezago Y plazo.
Tenemos que utilizar el h estadística
para averiguar si hay correlación serial en el problema. Mediante la fórmula de
que el h las estadísticas, se puede demostrar que en el presente
ejemplo h = 1,364 . Asintóticamente, este
Valor no es
significativo al nivel del 5 por ciento. Por lo tanto, asintóticamente, no
hay correlación serial de los datos.
17.23
Se propone utilizar la misma notación como en el ejercicio 17,22 , el corto
plazo función de gasto se puede escribir como:
En } ;= En < 5 $, + ¿pies * , + ( ! -
< ? ) } ;_" + ", (1)
Los
resultados de la regresión son los siguientes:
Ini; = -1.078 + 0,905 * , +0.260en Y,_X t =
(-5.854) (8,131 ) (2,962 ) (2)
R2 = 0,994 ; F = 1425,219
; d = 1,479
UN
De estos resultados, nos encontramos con
que 8 = 0,740
.
El largo plazo es función de gasto:
Ini * =0,376 + 1,222 * ,
La h estadística
para este problema es 1,34 . Asintóticamente, por lo tanto, se rechaza la
hipótesis de que no es de primer orden correlación positiva en el término de
error.
Ambos modelos ofrecen resultados similares.
La ventaja del registro modelo es que la pendiente estimada coeficientes dar
estimaciones directas de la elasticidad los coeficientes, mientras que en el
modelo lineal las laderas sólo medir la tasa de cambio.
17.24 Los resultados estadísticos son los
mismos, como en el problema 17,22 . Sin embargo, ya que este es el modelo las
expectativas adaptativas, la interpretación es diferente. Ahora, el estimado 8
se interpreta como la fracción que las expectativas de inversión en
plantas y equipos en el sector de la manufactura se revisan cada período. El
error de población estructura es ahora diferente, como se señala en el texto.
17.25Aquí se
utiliza la combinación de las expectativas adaptativas y PAM.
La estimación de ecuaciones es:
Yt = J 308y + fifiyX, + [
(1 - 8) + (1 - r>K-i + [0 - * ) +0 - rw,.2 +vt donde
vt= [ 8u, + 8 (l-y)u,_X]
Que, para su
comodidad, expresamos como:
Y =
a 0 + axX, Yt_x
+ a2 + a3Yt_2 +
v,
Sobre la base
de los datos, los resultados de la regresión son los siguientes:
Yt = -19.7701 + 0,715 * , +0.565 ^_, -0.409 ^_2
t = (-4.467) (8,323 ) (4,250 ) (-3.460)
R2 = 0,992 ; F = 5653,234
;d = 1,367
Los coeficientes estimados son estadísticamente
significativos. Pero, puesto que los coeficientes estimados son
combinaciones lineales de los coeficientes originales, no es fácil conseguir
sus estimaciones directas. En principio, debemos estimar este modelo,
utilizando métodos discutidos no lineal en el Capítulo 14. Que las estimaciones
directas de los diferentes parámetros, que luego se pueden comparar con
los obtenidos por problemas 17.22,17 y .23 17,24 .
|
17.26 Se hará hipótesis nula Ho: las
ventas no Granger
causa inversión
en instalaciones y equipo. Los resultados de la
prueba Granger son los siguientes:
|
||||||||||||||||||||||||||||||||||||||||||
Como puede ver en estos resultados, el test
de causalidad de Granger es sensible al número de rezago en términos del
modelo.
Hasta 3 lag, hay causalidad bilateral, hasta 5 rezagos
hay causalidad de las inversiones para el departamento de ventas. En seis lag,
ninguna variable variable hace que los demás.
17.270Ne
modelo ilustrativo instala aquí es el segundo polinomio de grado
Modelo con 4
lag. Utilizando el formato de Eq. (17.13.15 ) y dejando que Y representan
inversiones y X las ventas, los resultados de la regresión son los
siguientes:
Y= -35.4923 + 0,8910 * t * ,.,-0.0312 +0.3255 *
t.2 - 0,1792 * ,.3 / = (-4.3321) (5,1042 ). (3,6176 ) (-0.2530) (-2.1109)
-0.1183 * 1-4 (-0.6562)
El
lector se insta a otras combinaciones de los gal y el grado del polinomio.
Puede utilizar el criterio de información de Akaike para elegir entre los
modelos de la competencia.
Coeficiente RVSUCNEO FER BER
|
Interceptar
|
-23.3844
|
-36.0936
|
-5.9303
|
|
|
(-2.3578)
|
(-4.6740)
|
(-0.8799)
|
|
0,3188
|
0,8712
|
0,1215
|
|
|
|
(3,5791 ).
|
(5,5205 ).
|
(19,9423 )
|
|
Xt.i
|
0,4414
|
0,3515
|
0,1945
|
|
|
(3,9542 ).
|
(10,4464 )
|
(19,9423 )
|
|
Xu2
|
0,3677
|
0,0045
|
0,2188
|
|
|
(5,4213 ).
|
(0,0993 ).
|
(19,9423 )
|
|
* T-3
|
0,0976
|
-0.1697
|
0,1945
|
|
|
(2,1948 ).
|
(-2.2065)
|
(19,9423 )
|
|
* 1-4
|
-0.3686
|
-0.1712
|
0,1215
|
|
|
(-1.6678)
|
(-2.7730)
|
(19,9423 )
|
Notas: NER,
FER, y BER denotan cerca, lejos, tanto de las restricciones. Las cifras entre
paréntesis son los t ratios.
Como se puede ver, poner restricciones a los coeficientes
de los modelos producen resultados muy diferentes. Nota el hallazgo interesante
tanto que la imposición de las restricciones que idénticos errores estándar y
el t ratios. A menos que exista una fuerte expectativa a
priori, es mejor no impone ninguna restricción. Por supuesto, el número de
términos desfasados y el grado del polinomio son las preguntas que necesitan
respuesta en cada caso.
|
(A) de la Dirección de la causalidad # de lag
|
F Probabilidad
|
|
|
Y- >x2
|
2
|
0,0695
0,9329
|
|
X2 - >Y
|
2
|
2,8771
0,0705 *
|
|
Y^X2
|
3
|
0,1338
0,9392
|
|
X2 ^y
|
3
|
2,4892
0,0793 *
|
|
Y^x2
|
4
|
0,1407
0,9655
|
|
|
4
|
1,8239
0,1533
|
|
* Significativa al nivel del 10 por ciento.
|
En cada caso la flecha indica la dirección
de la causalidad. La hipótesis nula en cada caso es que la variable de la
izquierda de la flecha hace que la variable en el lado derecho de la flecha. En
cada caso, parece que la inversión en el procesamiento de la
información equipo no causalidad de Granger las ventas. Pero hay
algunos débiles
Pruebas
de que las ventas causa inversión. Pruebe otros rezagos y ver si esta
conclusión los cambios.
(b)
Los
resultados de la causalidad entre la inversión y la tasa de interés son
interesantes en la medida en que hasta 5 lag, no existe una relación de
causalidad entre los dos, pero en lag 6 tasa de interés inversión causas
pero no a la inversa. En los grupos 7 y 8 una vez más, no hay
ninguna relación de causalidad entre los dos. Es
difícil de justificar estos resultados intuitivamente.
(c)
En la forma
lineal no hay rezagos distribuidos efecto discernible de la venta de la
inversión. En el modelo log-lineal con 4 lag y el segundo polinomio de grado y
se imponía restricción cerca del final, se obtiene los siguientes resultados:
^ =-15.1508 afectación ganglionar + 0,2008 En
X2, + 0,3288 x 2 (
,_x) + 0,3841 x2 ( ,_2) t = (-73.2185)
(3,8962 ). (5,0794 ). (9,6896 ).
0,3665 * 2 ( ,_3) + 0,2762 * 2 ( ,_4)
(15,0782 ) (2,1921 ).
Si parcela los coeficientes de la X2 en diversos términos,
usted encontrará que los coeficientes de lag 2 y, a continuación, descenso, mostrando una forma de U invertida curva.
17,30 (A) (b) al aplicar el
test de causalidad de Granger, se puede afirmar que hasta 4 lag no es bilateral
causalidad entre las dos variables, pero va más allá de los 4 lag no hay
causalidad unilateral o bilateral. Por ejemplo, para el desfase 3 encontramos
que
La
productividad - "indemnización F= 3,84 0,0314
valor de ip ) La indemnización - "productividad F= 3,97 0,0284
valor de ip )
En lag 4 nos encontramos con que
La productividad -" indemnización F = 2,27 0,0888
valor de ip ) la indemnización de "productividad F= 3,26 0,0265
valor de ip )
(c)
Por ejemplo,
se puede retroceder una indemnización para la productividad y la tasa de
desempleo para ver el (parcial) del paro de la productividad. Los
resultados son los siguientes:
Y =
26,7834 0.6907xlt + + 0.6680X"
T =
(12,8468 ) (33,2341 ) (2,7053 ).
R2 = 0,9694 ; ¿ = 0,2427 Y
= indemnización, X2 = productividad
y * 3 = la
tasa de desempleo.
Cada uno de los coeficientes estimados
parecen ser estadísticamente significativa. El signo positivo de la variable
tasa de desempleo puede ser contra-intuitivo, a menos que uno puede hacer un
argumento que una mayor tasa de desempleo aumenta la productividad que, a
continuación, conduce a una mayor
Indemnización. Desde
la d estadística en el presente caso es bastante baja,
es posible que este modelo sea sufre de autocorrelación o especificación
parcialidad, o ambos.
17,31 Sólo para dar una idea de la prueba de la Sim, nos
encontramos Y (inversión en plantas y equipos) * (ventas) con dos
lag y dos términos de * y obtuvo los siguientes resultados:
Î; = -2.6549+ 1,4421 * ,- 0,4043 * , _2 + 0,3290 * ,+1 - 0,5576 * ,+2
T =
(-0.4039) (7,1142 ). (-2.0425) (1,6786 ). (-3.0060)
R2 = 0,9912 ;î/ = 3,0561 Estos resultados ponen en duda que las ventas
"causa" las inversiones, plazo para el plomo, * t+2 parece ser estadísticamente significativa.
El
lector debe intentar otro cable de lag estructuras para ver si esta conclusión.
18.1
El
número de dentistas exigido sería una función del precio de la atención
estomatológica, con los ingresos de la población de pacientes, la
disponibilidad de seguro dental, el nivel de educación de la población
odontológica, el tamaño de la familia, etc. El número de dentistas se
suministra la función del precio de la atención estomatológica, el costo
de la educación odontológica, el tamaño de la población odontológica, el número
de escuelas de odontología, el estado requisitos para la obtención de
licencias, etc. Las variables endógenas son el número de dentistas exigió y se
suministra y el precio de la atención estomatológica. Las
otras variables pueden considerarse exógenas.
18.2
Brunner
y Meltzer utiliza variables tales como la tasa de interés real, riqueza
pública, relación de las actuales al ingreso permanente, etc. Tiegen utiliza
los ingresos, tasa de interés de corto plazo, han quedado cantidad de dinero,
etc. se debate en la literatura si es el tipo de interés a corto plazo o el
tipo de interés a largo plazo que este es el costo de oportunidad del dinero.
18.3
Forma de
desviación (desviación de los valores promedio) la oferta y la demanda las
funciones se pueden expresar de la siguiente manera:
Ql = "i P + ( " 1/ - " ,) = " , / > ,+
"u (1)
Qs = P\P,
+ ( " 2/ " : "2 )
= Px P, + U2, (2)
De (1), obtenemos:
|
= " , + ^ £TL (3)
|
Zp,uu
En equilibrio, (1) = (2), por lo tanto,
obtener, tras simplificación,
• •
^
2( ^ ^ 1/ /A\
P =
J (4)
"1 ~Px
^ = £ ( "2, _ Zu2lUu -St/,7
Ai ~P\ "1 -Px
^P2
Z^ +S" 1 ? -2Z" >1,< (6)
( "1
-Px)2
Sustitución de las expresiones anteriores (3 ), y de
la simplificación, obtenemos:
¿I=g, +- • • ( "i- &> < ?)
Lu2i + ! ,"" -2Lu2,uu recordando que u\ y u2 no están correlacionados, al tomar la
 |
|
Plimâ, = a, (a, -ft)
|
|
Probabilidad
límite (plim), obtendremos
|
Ya que en general el último término en (8)
es distinto de cero, βt no es un estimador consistente de a,.
(B)
Si un = ft, el anterior probabilidad será igual a un".
18.4
Igualando
Las Ecuaciones (18.2.13 y 18.2.18 ), obtenemos:
Por
lo tanto,
|
(2)
|
Sustituyendo
(2) en la ecuación, obtenemos
~ -
" ^2 ) + (4, ~ j ^ * 1 ^1 j^
18.5
(A) El Las variables Y (ingreso real per
cápita) y L ( real
Per cápita base monetaria) reflejan la preferencia por la
liquidez. La variable / (tasa de inflación esperada) refleja teoría de Fisher.
Las variables N1S
( una nueva cuestión variable) y E
( espera al final de período, aproximados por retraso de relaciones
de precios) introducir elementos de flujo. La variable / ?bt-i (rendimiento de
los bonos desfasados) permite un efecto rezago distribuido. Estos se describen
en el artículo de Oudet.
(B) y (c)
las variables endógenas son y Rbt . /Fbt-i es una variable predeterminada (endógena
rezagada). No hay rezago en Rst plazo del modelo. Todas las demás variables
están predeterminados (exógenos).
18.6
(A) Cada Variable es
endógena. Cada variable
X es exógeno.
( ¿ >) Sí, cada ecuación puede ser estimada por
MCO. Sin embargo, dado que este es un sistema de ecuaciones simultáneas, la
operación puede tener un sesgo estimadores así como incoherente.
18.7
(A) Bass Al parecer no se trata de desarrollar un
general
Modelo de
oferta y demanda; él está estudiando la relación entre los gastos de publicidad
y venta de cigarrillos.
(b)
Si Xi ha
de ser tratada como endógeno, necesitamos una ecuación para
Explicar * 2-
18.8
(A) El Las
variables endógenas son Y,
C, Q, y I.
Las
variables predeterminadas son P, R, rt-h Tc-i y Qi-u los dos
primeros
De estos exógenas y el resto se quedó
endógeno.
(c)
Esta
variable puede tener en cuenta la inflación.
18.9
(A) No hay un sistema
de ecuaciones simultáneas. Ninguno de los
Ecuaciones de variables dependientes se
utilizan como regresores en otra ecuación. Los
estimadores será imparcial y coherente.
(b)
Cuando las
variables se expresan en primera diferencia, la tendencia (lineal), si los
hubiere, en estas variables. Normalmente, esto reduce el valor R2 cuando
las variables se usan en la primera forma de diferencia.
Problemas
18.10
Los
resultados de la regresión son los siguientes:
PCÊ,
=-142.1826 + 0.6889GD/Î t = (-5.3883)
(156,2434 )
R2 =0.9988; * / =
1,2019
18,11
/, = PIB -289.0339 + 66.8100t = (-4.3262) (17,5783 )
R2 =0.9169; * /= 0,3851
18,12
Los resultados de la regresión son los
siguientes: /, =588,1915 + 1.5007tf- ^_") t = (7,1598 ) (4,0243
).
R2 =0.3749; * / = 0,5245
no carga algunas imágenes y algunas ecuaciones están desordenadas que se puede hacer con eso?
ResponderBorrar