library(wooldridge)
library(haven)
hprice1 <- read_dta("C:/Users/USUARIO/Downloads/hprice1.dta")
head(force(hprice1), n=6)
## # A tibble: 6 x 10
##   price assess bdrms lotsize sqrft colonial lprice lassess llotsize lsqrft
##   <dbl>  <dbl> <dbl>   <dbl> <dbl>    <dbl>  <dbl>   <dbl>    <dbl>  <dbl>
## 1  300    349.     4    6126  2438        1   5.70    5.86     8.72   7.80
## 2  370    352.     3    9903  2076        1   5.91    5.86     9.20   7.64
## 3  191    218.     3    5200  1374        0   5.25    5.38     8.56   7.23
## 4  195    232.     3    4600  1448        1   5.27    5.45     8.43   7.28
## 5  373    319.     4    6095  2514        1   5.92    5.77     8.72   7.83
## 6  466.   414.     5    8566  2754        1   6.14    6.03     9.06   7.92

1. Estimacion del modelo

library(stargazer)
library(fastGraph)
modelo_estimado<-lm(formula= price~assess+bdrms+lotsize+colonial+llotsize, data = hprice1)
stargazer(modelo_estimado, type="text", title="Modelo estimado")
## 
## Modelo estimado
## ===============================================
##                         Dependent variable:    
##                     ---------------------------
##                                price           
## -----------------------------------------------
## assess                       0.940***          
##                               (0.072)          
##                                                
## bdrms                          8.620           
##                               (6.791)          
##                                                
## lotsize                        0.001           
##                               (0.001)          
##                                                
## colonial                      10.031           
##                              (10.580)          
##                                                
## llotsize                      -13.357          
##                              (17.813)          
##                                                
## Constant                      68.090           
##                              (146.133)         
##                                                
## -----------------------------------------------
## Observations                    88             
## R2                             0.832           
## Adjusted R2                    0.822           
## Residual Std. Error      43.364 (df = 82)      
## F Statistic           81.224*** (df = 5; 82)   
## ===============================================
## Note:               *p<0.1; **p<0.05; ***p<0.01

verifique el supuesto de normalidad, atraves de:

# Prueba de normalidad Jarque Bera
library(normtest)
jb.norm.test(modelo_estimado$residuals)
## 
##  Jarque-Bera test for normality
## 
## data:  modelo_estimado$residuals
## JB = 117.25, p-value < 2.2e-16
qqnorm(modelo_estimado$residuals)
qqline(modelo_estimado$residuals)

b. Prueba de Kolmogorov-Smirnov

library(nortest)
lillie.test(modelo_estimado$residuals)
## 
##  Lilliefors (Kolmogorov-Smirnov) normality test
## 
## data:  modelo_estimado$residuals
## D = 0.088268, p-value = 0.08721
qqnorm(modelo_estimado$residuals)
qqline(modelo_estimado$residuals)

C. la prueba de shapiro-wilk

shapiro.test(modelo_estimado$residuals)
## 
##  Shapiro-Wilk normality test
## 
## data:  modelo_estimado$residuals
## W = 0.92048, p-value = 4.59e-05
qqnorm(modelo_estimado$residuals)
qqline(modelo_estimado$residuals)

con las pruebas anteriores como JB y ks sus p-value es mayor al valor de significancia y SW su estadistico de prueba w=0.92 cercano a 1, se puede decir que no se rechaza la hipotesis nula.