ejercicio 1
P1_A
1.Prueba de Normalidad de Jarque - Bera
options(scipen =9999)
load("C:/Users/manue/Desktop/Practicas_ECMA/datos_Rdata/Datos Examen/modelo_ventas.RData")
library(normtest) #Carga los comandos para las pruebas de normalidad
jb.norm.test(modelo_ventas$residuals) #Ejecuta la prueba de Jarque -Bera
##
## Jarque-Bera test for normality
##
## data: modelo_ventas$residuals
## JB = 41.979, p-value = 0.001
41.979>5.9915(JB>V.C) se rechaza Ho es decir los residuos NO tienen una distribucion normal.
0.001<0.05(p<alfa) se rechaza Ho es decir los residuos NO tienen una distribucion normal.
2.Prueba de Normalidad de Kolmogorov - Smirnov
library(nortest)
lillie.test(modelo_ventas$residuals)
##
## Lilliefors (Kolmogorov-Smirnov) normality test
##
## data: modelo_ventas$residuals
## D = 0.10135, p-value = 0.00003408
0.10135>0.06193(KS>V.C) Se rechaza Ho es decir los residuos NO tienen una distribucion normal.
0.000003408<0.05(p<alfa) se rechaza Ho es decir los residuos NO tienen una distribucion normal.
Prueba de Normalidad de Shapiro - Wilk
shapiro.test(modelo_ventas$residuals)
##
## Shapiro-Wilk normality test
##
## data: modelo_ventas$residuals
## W = 0.95638, p-value = 0.000008189
Calcular Wn
W<-0.95638
mew<-0.0038915*I(log(200))^3-0.083751*I(log(200))^2-0.31082*I(log(200))-1.5861
des<-exp(0.0030302*I(log(200))^2-0.083751*(log(200))-0.4803)
Wn<-(log(1-W)-mew)/des
print(Wn)
## [1] 4.334001
4.334001>1.644854 (Wn>V.C) se rechaza Ho es decir los residuos NO tienen una distribucion normal.
0.0000008189<0.05 (p<alfa) se rechaza Ho es decir los residuos NO tienen una distribucion normal.
ejercicio 2
P1_B
options(scipen = 9999)
load("C:/Users/manue/Desktop/Practicas_ECMA/datos_Rdata/Datos Examen/datos_cajas.RData")
library(stargazer)
modelo_cajas<-lm(formula = Tiempo~Distancia+N_cajas,data =datos_cajas)
stargazer(modelo_cajas,title = "estimacion modelo cajas",type = "html",digits = 8)
estimacion modelo cajas
|
|
|
|
Dependent variable:
|
|
|
|
|
|
Tiempo
|
|
|
|
Distancia
|
0.45592080***
|
|
|
(0.14676230)
|
|
|
|
|
N_cajas
|
0.87720460***
|
|
|
(0.15303460)
|
|
|
|
|
Constant
|
2.31120200
|
|
|
(5.85730300)
|
|
|
|
|
|
|
Observations
|
15
|
|
R2
|
0.73678910
|
|
Adjusted R2
|
0.69292060
|
|
Residual Std. Error
|
3.14079000 (df = 12)
|
|
F Statistic
|
16.79540000*** (df = 2; 12)
|
|
|
|
Note:
|
p<0.1; p<0.05; p<0.01
|
Prueba de Normalidad de Jarque - Bera
library(normtest)
jb.norm.test(modelo_cajas$residuals)
##
## Jarque-Bera test for normality
##
## data: modelo_cajas$residuals
## JB = 28.863, p-value < 0.00000000000000022
28.863>5.991(JB>V.C) se rechaza Ho es decir los residuos NO tienen una distribucion normal.
0.00000000000000022<0.05(p<alfa) se rechaza Ho es decir los residuos NO tienen una distribucion normal.
Prueba de Normalidad de Kolmogorov - Smirnov
library(nortest)
lillie.test(modelo_cajas$residuals)
##
## Lilliefors (Kolmogorov-Smirnov) normality test
##
## data: modelo_cajas$residuals
## D = 0.22893, p-value = 0.03333
0.22893>0.2196KS>V.C) Se rechaza Ho es decir los residuos NO tienen una distribucion normal.
0.03333<<0.05(p<alfa) se rechaza Ho es decir los residuos NO tienen una distribucion normal.
Prueba de Normalidad de Shapiro - Wilk
shapiro.test(modelo_cajas$residuals)
##
## Shapiro-Wilk normality test
##
## data: modelo_cajas$residuals
## W = 0.73744, p-value = 0.0006439
Calcular Wn(modelo cajas)
W<-0.73744
mew<-0.0038915*I(log(15))^3-0.083751*I(log(15))^2-0.31082*I(log(15))-1.5861
des<-exp(0.0030302*I(log(15))^2-0.083751*(log(15))-0.4803)
Wn<-(log(1-W)-mew)/des
print(Wn)
## [1] 3.228097
3.228097>1.644854 (Wn>VC)Se rechaza Ho es decir los residuos NO tienen una distribucion normal.
0.0006439<0.05(p<alfa)Se rechaza Ho es decir los residuos NO tienen una distribucion normal.
P1_C ejercicio 3
Prueba de Normalidad de Jarque - Bera
options(scipen = 9999)
load("C:/Users/manue/Desktop/Practicas_ECMA/datos_Rdata/Datos Examen/modelo_estimado.RData")
library(normtest)
jb.norm.test(modelo_estimado_1$residuals)
##
## Jarque-Bera test for normality
##
## data: modelo_estimado_1$residuals
## JB = 10.553, p-value = 0.0165
10.553>5.991(JB>VC)Se rechaza Ho es decir los residuos NO tienen una distribucion normal.
0.0165<0.05(p<alfa)Se rechaza Ho es decir los residuos NO tienen una distribucion normal.
Prueba de Normalidad de Kolmogorov - Smirnov
library(nortest)
lillie.test(modelo_estimado_1$residuals)
##
## Lilliefors (Kolmogorov-Smirnov) normality test
##
## data: modelo_estimado_1$residuals
## D = 0.094601, p-value = 0.3052
0.094601<0.1226(kS<VC)no se rechaza Ho es decir los residuos tienen una distribucion normal.
0.3052>0.05(p>alfa)no se rechaza Ho es decir los residuos tienen una distribucion normal.
Prueba de Normalidad de Shapiro - Wilk
shapiro.test(modelo_estimado_1$residuals)
##
## Shapiro-Wilk normality test
##
## data: modelo_estimado_1$residuals
## W = 0.96273, p-value = 0.109
Calcular Wn (modelo_Estimado;crime)
W<-0.96273
mew<-0.0038915*I(log(51))^3-0.083751*I(log(51))^2-0.31082*I(log(51))-1.5861
des<-exp(0.0030302*I(log(51))^2-0.083751*(log(51))-0.4803)
Wn<-(log(1-W)-mew)/des
print(Wn)
## [1] 1.236784
1.236784<1.644854(Wn<VC)no se rechaza Ho es decir los residuos tienen una distribucion normal.
0.109>0.05(p>alfa) no se rechaza Ho es decir los residuos tienen una distribucion normal.)
Ejercicio 2 (tres claves)
P2_A
Estimando el modelo
options(scipen = 9999)
library(readxl)
Investiment_Equation <- read_excel("C:/Users/manue/Desktop/Practicas_ECMA/datos_Excel/Investiment_Equation.xlsx")
library(stargazer)
ecuacion_de_inversion<-lm(formula = InvReal~Trend+Inflation+PNBr+Interest,data = Investiment_Equation)
stargazer(ecuacion_de_inversion,title = "Modelo de Inversion",type = "html",digits = 8)
Modelo de Inversion
|
|
|
|
Dependent variable:
|
|
|
|
|
|
InvReal
|
|
|
|
Trend
|
-0.01637845***
|
|
|
(0.00194114)
|
|
|
|
|
Inflation
|
0.00002291
|
|
|
(0.00133035)
|
|
|
|
|
PNBr
|
0.66454700***
|
|
|
(0.05411848)
|
|
|
|
|
Interest
|
-0.24032170*
|
|
|
(0.12033660)
|
|
|
|
|
Constant
|
-0.50335230***
|
|
|
(0.05423952)
|
|
|
|
|
|
|
Observations
|
15
|
|
R2
|
0.97299900
|
|
Adjusted R2
|
0.96219860
|
|
Residual Std. Error
|
0.00662875 (df = 10)
|
|
F Statistic
|
90.08923000*** (df = 4; 10)
|
|
|
|
Note:
|
p<0.1; p<0.05; p<0.01
|
Prueba de Normalidad de Jarque - Bera
library(normtest)
jb.norm.test(ecuacion_de_inversion$residuals)
##
## Jarque-Bera test for normality
##
## data: ecuacion_de_inversion$residuals
## JB = 0.61988, p-value = 0.6305
0.61988<5.991(JB<VC)no se rechaza Ho es decir los residuos tienen una distribucion normal.
0.6305>0.05(p>alfa) no se rechaza Ho es decir los residuos tienen una distribucion normal
Prueba de Normalidad de Kolmogorov - Smirnov
library(nortest)
lillie.test(ecuacion_de_inversion$residuals)
##
## Lilliefors (Kolmogorov-Smirnov) normality test
##
## data: ecuacion_de_inversion$residuals
## D = 0.16747, p-value = 0.3098
0.16747<0.2196(KS<VC) no se rechaza Ho es decir los residuos tienen una distribucion normal.
0.3098>0.05 (p>alfa) no se rechaza Ho es decir los residuos tienen una distribucion normal.
Prueba de Normalidad de Shapiro - Wilk
shapiro.test(ecuacion_de_inversion$residuals)
##
## Shapiro-Wilk normality test
##
## data: ecuacion_de_inversion$residuals
## W = 0.93564, p-value = 0.3307
Calcular Wn(ecuacion de inversion)
W<-0.93564
mew<-0.0038915*I(log(15))^3-0.083751*I(log(15))^2-0.31082*I(log(15))-1.5861
des<-exp(0.0030302*I(log(15))^2-0.083751*(log(15))-0.4803)
Wn<-(log(1-W)-mew)/des
print(Wn)
## [1] 0.4392745
0.4392745<1.644854 (Wn<VC)no se rechaza Ho es decir los residuos tienen una distribucion normal.
0.3307>0.05(p>alfa) no se rechaza Ho es decir los residuos tienen una distribucion normal.
P2_C
Estimando el modelo
options(scipen = 9999)
load("C:/Users/manue/Desktop/Practicas_ECMA/datos_Rdata/Datos Examen/datos_ventas.RData")
library(stargazer)
modelo_ventas2<-lm(formula = ventas~tv+periodico+radio,data = datos_ventas)
stargazer(modelo_ventas2,title = "Estimacion de modelo ventas",type = "html",digits = 8)
Estimacion de modelo ventas
|
|
|
|
Dependent variable:
|
|
|
|
|
|
ventas
|
|
|
|
tv
|
0.04503377
|
|
|
(0.11795900)
|
|
|
|
|
periodico
|
18.48504000***
|
|
|
(0.56342000)
|
|
|
|
|
radio
|
-3.44959300***
|
|
|
(0.20612340)
|
|
|
|
|
Constant
|
-33.28854000***
|
|
|
(7.17224500)
|
|
|
|
|
|
|
Observations
|
200
|
|
R2
|
0.84666810
|
|
Adjusted R2
|
0.84432120
|
|
Residual Std. Error
|
33.87478000 (df = 196)
|
|
F Statistic
|
360.75750000*** (df = 3; 196)
|
|
|
|
Note:
|
p<0.1; p<0.05; p<0.01
|
Prueba de Normalidad de Jarque - Bera
library(normtest)
jb.norm.test(modelo_ventas2$residuals)
##
## Jarque-Bera test for normality
##
## data: modelo_ventas2$residuals
## JB = 40.239, p-value = 0.001
40.239>5.991(JB>VC)se rechaza Ho es decir los residuos NO tienen una distribucion normal.
0.001<0.05(p<alfa)se rechaza Ho es decir los residuos NO tienen una distribucion normal.
Prueba de Normalidad de Kolmogorov - Smirnov
library(nortest)
lillie.test(modelo_ventas2$residuals)
##
## Lilliefors (Kolmogorov-Smirnov) normality test
##
## data: modelo_ventas2$residuals
## D = 0.093289, p-value = 0.0002247
0.093289>0.06193(KS>VC)se rechaza Ho es decir los residuos NO tienen una distribucion normal.
0.0002247<0.05(p<alfa)se rechaza Ho es decir los residuos NO tienen una distribucion normal.
Prueba de Normalidad de Shapiro - Wilk
shapiro.test(modelo_ventas2$residuals)
##
## Shapiro-Wilk normality test
##
## data: modelo_ventas2$residuals
## W = 0.95798, p-value = 0.00001204
Calcular Wn (modelo ventas)
W<-0.95798
mew<-0.0038915*I(log(200))^3-0.083751*I(log(200))^2-0.31082*I(log(200))-1.5861
des<-exp(0.0030302*I(log(200))^2-0.083751*(log(200))-0.4803)
Wn<-(log(1-W)-mew)/des
print(Wn)
## [1] 4.247527
4.247527>1.644854 (Wn>VC)se rechaza Ho es decir los residuos NO tienen una distribucion normal.
0.00001204<0.05(p<alfa)se rechaza Ho es decir los residuos NO tienen una distribucion normal.