library(wooldridge)
data(hprice1)
head(force(hprice1),n=5)
##   price assess bdrms lotsize sqrft colonial   lprice  lassess llotsize   lsqrft
## 1   300  349.1     4    6126  2438        1 5.703783 5.855359 8.720297 7.798934
## 2   370  351.5     3    9903  2076        1 5.913503 5.862210 9.200593 7.638198
## 3   191  217.7     3    5200  1374        0 5.252274 5.383118 8.556414 7.225482
## 4   195  231.8     3    4600  1448        1 5.273000 5.445875 8.433811 7.277938
## 5   373  319.1     4    6095  2514        1 5.921578 5.765504 8.715224 7.829630
  1. Estimación del modelo
library(stargazer)
options(scipen = 999999)
Modelo_Estimado1<-lm(formula = price~llotsize+sqrft+bdrms,data = hprice1)
stargazer(Modelo_Estimado1,title = "Modelo Estimado",type = "html")
Modelo Estimado
Dependent variable:
price
llotsize 56.154***
(11.785)
sqrft 0.110***
(0.013)
bdrms 15.728*
(8.465)
Constant -484.347***
(101.457)
Observations 88
R2 0.710
Adjusted R2 0.700
Residual Std. Error 56.269 (df = 84)
F Statistic 68.629*** (df = 3; 84)
Note: p<0.1; p<0.05; p<0.01
  1. Verique el supuesto de normalidad, a través de:
  1. La prueba JB
library(normtest)
jb.norm.test(Modelo_Estimado1$residuals)
## 
##  Jarque-Bera test for normality
## 
## data:  Modelo_Estimado1$residuals
## JB = 35.93, p-value = 0.001
library(fastGraph)
shadeDist(xshade = 0.0015,parm1 = -2,lower.tail = FALSE,col = c("black","red"),sub=paste("p-Value:",0.0015,"JB:",35.93))

Comentario: En esta prueba se puede observar que el P-value es 0.0015 menor que el nivel de significancia, por lo tanto se concluye que la Ho, se rechaza.

  1. La prueba KS
library(nortest)
lillie.test(Modelo_Estimado1$residuals)
## 
##  Lilliefors (Kolmogorov-Smirnov) normality test
## 
## data:  Modelo_Estimado1$residuals
## D = 0.075757, p-value = 0.2441

Comentario: Con los datos obtenidos se puede concluir que el P-value de 0.2441 es mayor que el nivel de significancia, por lo que no se rechaza la Ho.

  1. La prueba SW
shapiro.test(Modelo_Estimado1$residuals)
## 
##  Shapiro-Wilk normality test
## 
## data:  Modelo_Estimado1$residuals
## W = 0.94233, p-value = 0.0006788
library(fastGraph)
shadeDist(xshade = 0.0006788,parm1 = -2,lower.tail = FALSE,col = c("black","red"),sub=paste("p-Value:",0.0006788,"W:",0.94233))

Comentario: En esta prueba se puede ver que p-value es 0.0006788 menor que el nivel de significancia, por lo que se concluye que se rechaza la Ho.