la autocorrelacion
DESCRIPTION
Heteros Ceda Stic i DadTRANSCRIPT
I
LA AUTOCORRELACINSe dispone de los siguientes datos de un grupo de consumidores, en un perodo determinado.
YX1X2
CONSUMOINGRESOGENEROSEXO
18,53522,5501M
11,35014,0351F
12,13013,0400F
15,21017,5001M
8,6809,4300F
16,76020,6351M
13,48016,4700F
9,68010,7201M
17,84022,3501M
11,18012,2000F
14,32016,8100F
19,86023,0001M
Genero = 1 si SEXO
Genero = 0 si SEXO
a) Realice un anlisis completo de los resultados obtenidos e indique que problemas tendra el modelo (heteroscedasticidad y autocorrelacin)
b) Aplicar la prueba de Durbin Watson.
SOLUCION
Resumen del modelob
ModeloRR cuadradoR cuadrado corregidaError tp. de la estimacinDurbin-Watson
1,989a,979,974,581261,947
a. Variables predictoras: (Constante), GENERO, INGRESO
b. Variable dependiente: CONSUMO
Se observa que el coeficiente de correlacin es muy bueno, muy cercano a 1. Esto seala que las variables predictoras si explican a la variable dependiente. Adems que se tiene un coeficiente de determinacin alto que explica a un 97.9% de los datos dentro del modelo predictivo obtenido.
Cuando se observa el valor de Durbin-Watson, se ve que es menor que el dwsup, pero mayor que dwinf, indicando que no hay autorcorrelacin entre las variables predictoras. Existiendo independencia en los residuos obtenidos.
Por otro lado se vio en la tabla ANOVA que la significancia fue menor al nivel de significacin, indicando que las variables predictivas (las X) si explican adecuadamente a la dependiente o predicha.
Respecto a la heterocedasticidad, se tuvo una grfica muy dispersa entre los residuos obtenidos. Esto indica que desde el inicio las varianzas de las variables predictoras son diferentes desde el inicio del tratamiento de los datos. Esto se debe a que una de las variables tiene escala de medida nominal (Gnero) a diferencia de las restantes que son tipo escala.
Por lo tanto este resultado de regresin es poco creible, teniendo que hacer ajustes de prueba estadstica o pruebas de bondad de ajuste para las variables que muestren heterocedasticidad de manera individual.