Analisis De Regresion

Aplicaciones
APLICACIÓN 1
Las Naciones Unidas le han contratado como consultor para ayudar a identificar los factores que predigan el
crecimiento de la industria manufacturera de los países en vías de desarrollo. Ha decidido utilizar una regresión
múltiple para desarrollar un modelo e identificar las variables importantes que predicen el crecimiento. Ha recogido los
datos de 48 países en el fichero de datos Developing Country . Las variables incluidas son el crecimiento porcentual de
la industria manufacturera (Y), el crecimiento porcentual agrícola (X1), el crecimiento porcentual de las exportaciones
(X2) y la tasa porcentual de inflación (X3) de 48 países en vías de desarrollo. Desarrolle un modelo de regresión múltiple
y escriba un informe sobre sus resultados.

APLICACIÓN 2
Utilice el fichero de datos Money UK, que contiene observaciones del Reino Unido sobre la cantidad de dinero, en
millones de libras (Y); la renta, en millones de libras (X1); y el tipo de interés de las autoridades locales (X2). Estime el
modelo (véase la referencia bibliográfica 5)
Y(t) = B0 + B1 X1(t) + B2 X2(t) +CY(t-1) + e(t)

y realice un informe sobre sus resultados.

APLICACIÓN 3
El fichero de datos Pension Funds contiene datos sobre el rendimiento de mercado (X) de las acciones y el porcentaje (Y)
que representan las acciones ordinarias al valor de mercado a finales de año en la cartera delos fondos privados de
pensiones. Estime el modelo.
Y(t)= B0 + B1 X(t) + C Y(t-1) + e(t)

y escriba un informe sobre sus resultados.

APLICACIÓN 4
El fichero de datos Pinkham Sales muestra observaciones anuales sobre las ventas unitarias (Y) y sobre los gastos
publicitarios (X), ambos en miles de dólares, de Lydia E. Pinkham. Estime el modelo
log Y(t) = B0 + B1 log X(t) + C log Y(t-1) +e(t)

y realice un informe sobre sus resultados .

APLICACIÓN 5
Utilice los datos del fichero Citydat para estimar una ecuación de regresión que permita averiguar el efecto marginal del
porcentaje de locales comerciales en el valor de mercado por vivienda ocupada por su propietario (Hseval). Incluya en
su ecuación de regresión múltiple el porcentaje de viviendas ocupadas por sus propietarios (Homper), el porcentaje de
locales industriales (Indper), el número mediano de habitaciones por vivienda (sizehse) y la renta percápita (Incom72)
como variables de predicción adicionales. Las variables están incluidas en su disco de datos. Indique qué variables son
significativas. Su ecuación final debe incluir solamente las variables significativas. Haga una segunda regresión
excluyendo el número mediano de habitaciones por vivienda, Interprete el nuevo coeficiente del porcentaje de locales
comerciales que se obtiene en la segunda regresión. Compare los dos coeficientes.

APLICACIÓN 6
El fichero de datos Household Income contiene datos de 50 estados de Estados Unidos. Las variables incluidas en el
fichero son el porcentaje de mujeres que participan en la población activa (y), la mediana de la renta personal de los
hogares (X1), el número medio de años de estudios de las mujeres (X2) y la tasa de desempleo de las mujeres (X3).
a) Calcule la regresión múltiple de Y con respecto a X1, X2 y X3.
b) Compruebe gráficamente la presencia de heterocedasticidad en los errores de regresión.
c) Utilice un contraste formal para detectar la presencia de heterocedasticidad.

APLICACIÓN 7
El fichero de datos Britain Sick Leave muestra datos de Gran Bretaña sobre el número de días de baja por enfermedad
por persona (Y), la tasa de desempleo (X1), el cociente entre las prestaciones y los ingresos (X2) y el salario real (X3).
Estime el modelo.
Log y(t) = B0 + B1 log X1(t) + B2 X2(t) + B3 log X3(t) + e(t)

Y realice un informe sobre sus resultados. Incluya en su análisis una comprobación de la posibilidad de que haya
errores autocorrelacionados y, si es necesario, una corrección para resolver este problema.