Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
SEPTIEMBRE DE 2018
BASE DE DATOS
CALCULOS
ECONOMETRIA
SEPTIEMBRE DE 2018
DESVIACIÓN ESTANDAR
BREUSH-PAGAN
VALOR DEL METROS NUMERO DE NUMERO DE AÑOS DE VALOR DE LA
REMODELADO
INMUEBLE CUADRADOS HABITACIONES GARAJES CONSTUIDO ADMINISTRACION
$ 155,000,000 50,00 m² 3 3 16 $ - 1
$ 280,000,000 85,00 m² 3 1 5 $ - 1
Resumen Valor $
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.7756817378 Observaciones
Coeficiente de determinación R^2 60.17% Las variables area, uso y numerosde habitaciones estan explica
R^2 ajustado 0.5859590856 R2 cercano a 0 variables tienen muy poca relacion
Error típico 35108554.788165
Observaciones 80
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 3 1.415066568809E+17
Residuos 76 9.367840706783E+16
Total 79 2.351850639488E+17
H0= B1 = 0 Variable area no ejerce ningun efecto sobre el precio del apartamento
H1= B1 > 0 Variable area si ejerce ningun efecto sobre el precio del apartamento
H0= B1 = 0 Variable años de construido no ejerce ningun efecto sobre el precio del apartamento
H1= B1 > 0 Variable años de construido si ejerce ningun efecto sobre el precio del apartamento
Nivel de confianza 95%
Error 5%
H0= B1 = 0 Variable Numero de habitaciones no ejerce ningun efecto sobre el precio del apartamento
H1= B1 > 0 Variable Numero de habitaciones si ejerce ningun efecto sobre el precio del apartamento
Coeficiente de
ESTIMACION DEL MODELO determinación R^2 R^2 ajustado
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.8129758357
Coeficiente de determinación R^2 66.09%
R^2 ajustado 0.6428459606
Error típico 32607620.3730822
Observaciones 80
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 4 1.554407959692E+17
Residuos 75 7.974426797963E+16
Total 79 2.351850639488E+17
Un valor que fue muy relevante al poder ejecutar el análisis del modelo escogido fue el coeficiente de determinación R2, e
número de variables explicativas incluidas en el modelo de regresión múltiple, ya que está basado no solo en una variable s
que es necesario no maximizar el valor de este coeficiente, para el caso particular sirvió como referencia, para entender la
referencia a las variables incluidas en nuestro modelo de regresión, este valor nos da un indicio fuerte ya validar y afirmar n
aceptable o no según los resultados arrojados, en un R2 cercano a 1 afirma que el modelo tiene un buen ajuste y es adecu
e independiente, siendo R2=1 un ajuste lineal perfecto donde la variación total de la variable Y es explicada por el modelo
de datos en estudio que recolecto aleatoriamente viviendas de la ZONA 4 SUR DE BOGOTÁ/ OPCIÓN 8 KENNEDY , podemo
inadecuada para un posterior relación de las variables. Podemos concluir que el coeficiente R2, fue la herramienta con la q
estudiar y así determinar cuál es el mejor modelo, estableciendo una herramienta de evaluación complementaria.
Podemos observar que el cuarto modelo que incluye las variables de área, uso, numero de garajes y número de habitacion
modelos realizados, la regresión lineal se realizó para todos los modelos, y se incluyó las variables que estaban determina
dan como R2 un valor muy cercano a 1 dándonos una confiabilidad alta para cada uno de los modelos de regresión; y de la
area, uso y numerosde habitaciones estan explicando en un 60,17% las variaciones del precio de lavivienda
0 variables tienen muy poca relacion
T(tabla) 1.645
T(muetra) 9.608
T(tabla) 1.645
T(muetra) 0.154
gido fue el coeficiente de determinación R2, este permite considerar no solo el tamaño de la muestra, sino también el
e, ya que está basado no solo en una variable sino que incluimos de tres a cinco, aunque ciertos autores mencionan
cular sirvió como referencia, para entender la reciprocidad de las variables y darnos el porcentaje adecuado en
r nos da un indicio fuerte ya validar y afirmar nuestro estudio ya que podemos afirmar que el ajuste del modelo es
que el modelo tiene un buen ajuste y es adecuado para describir la relación que existe entre las variables dependientes
al de la variable Y es explicada por el modelo de regresión, la estructura de los datos debe ser adecuada, para la base
R DE BOGOTÁ/ OPCIÓN 8 KENNEDY , podemos encontrar algunos inconvenientes respecto a una diferenciación
e el coeficiente R2, fue la herramienta con la que se extrapolo la relación establecida entre todas las variables a
ienta de evaluación complementaria.
o, numero de garajes y número de habitaciones nos arroja un coeficientes de determinación más alto entre los cuatro
se incluyó las variables que estaban determinadas en cada una de ellas, cabe mencionar, que para todos los modelos
cada uno de los modelos de regresión; y de las variables que intervienen en su cálculo.
Resumen Ln Precio
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.72196622
Coeficiente de determinación R^2 52.12%
R^2 ajustado 0.50233662
Error típico 0.21629155
Observaciones 80
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F
Regresión 3 3.87083157 1.29027719 27.580612724
Residuos 76 3.55543466 0.04678203
Total 79 7.42626623
Resumen
Estadísticas de la regresión
Coeficiente de correlación múlt 0.8129758357
Coeficiente de determinación 0.6609297094
R^2 ajustado 0.6428459606
Error típico 32607620.3730822
Observaciones 80
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 4 1.554407959692E+17
Residuos 75 7.974426797963E+16
Total 79 2.351850639488E+17
Varianza: $ 1,063,256,906,395,040
Desviación estandar 32607620.37
$ 6,572,478,426,665,015 Resumen
$ 137,456,901,725,245
$ 2,545,897,585,666,120 Estadísticas de la regresión
$ 4,093,220,536,780,980 Coeficiente de correlación múltiple 0.8129758357
$ 298,321,339,403,051 Coeficiente de determinación R^2 0.6609297094
$ 338,903,286,210,976 R^2 ajustado 0.6428459606
$ 2,725,975,986,247,480 Error típico 32607620.3730822
$ 3,549,262,245,034,806 Observaciones 80
$ 873,882,865,814
$ 2,137,502,801,220 ANÁLISIS DE VARIANZA
$ 655,061,472,941,136 Grados de libertad
$ 35,222,053,092,192 Regresión 4
$ 4,220,853,419,492,900 Residuos 75
$ 579,063,368,206,683 Total 79
$ 108,564,775,837,510
$ 225,401,612,947,945 Coeficientes
$ 1,050,078,599,474,200 Intercepción 1156841.60489883
$ 347,484,637,838,813 METROS CUADRADOS 2953444.83784014
$ 527,642,395,873,839 AÑOS DE CONSTUIDO -617858.440611976
$ 290,215,848,743,315 NUMERO DE GARAJES 25318640.8437979
$ 239,197,043,590,668 NUMERO DE HABITACIONES -3147460.86394185
$ 1,887,904,586,622,831
$ 99,783,468,586,908
$ 2,278,539,544,373,597 Resumen Residuos^2
$ 448,544,577,491,150
$ 337,742,056,097,264 Estadísticas de la regresión
$ 808,602,028,717,847 Coeficiente de correlación múltiple 0.1599364578
$ 2,122,304,809,293,700 Coeficiente de determinación R^2 0.0255796705
$ 225,388,810,861,311 R^2 ajustado -0.0263894137
$ 800,850,103,875,859 Error típico 1.29503567348E+15
$ 1,952,886,854,765,400 Observaciones 80
$ 402,195,594,974,011
$ 423,025,913,069,704 ANÁLISIS DE VARIANZA
$ 775,847,983,974,737 Grados de libertad
$ 2,042,275,212,911,840 Regresión 4
$ 803,622,867,778,957 Residuos 75
$ 841,751,544,360,925 Total 79
$ 1,507,602,817,034,640
$ 34,633,152,324,518 Coeficientes
$ 126,208,962,071,839 Intercepción -10617782762433.8
$ 1,666,758,039,377,800 METROS CUADRADOS -1042413021443.57
$ 1,010,602,209,413,130 AÑOS DE CONSTUIDO 622012043809.556
$ 1,266,122,975,288,290 NUMERO DE GARAJES 202405767741844
$ 1,813,279,680,709,890 NUMERO DE HABITACIONES 347557226156082
$ 183,034,891,063,074
$ 215,226,773,680,926 K 4
$ 648,736,262,923,414 n-k-1 75
$ 270,687,943,232,198
$ 180,496,331,050,980
$ 972,805,349,395
$ 1,817,856,390,357,980 Ho: HOMOCEDASTICIDAD F MUESTRA < F TABLA
$ 132,295,433,849,605 Ha: HETEROCEDASTICIDAD F MUESTRA > F TABLA
$ 104,686,531,477,083
$ 30,606,122,186,417
$ 1,889,597,957,974,130
Como el F de la muestra en menor al F de la tabla hay homocedasticidad, osea
$ 4,032,785,375,658,010 supuesto de homocedasticidad.
$ 2,462,683,821,599
$ 324,215,549,214,041
$ 48,628,806,905,734
$ 3,449,522,805,721
$ 511,658,413,276,124
$ 1,330,073,699,172
$ 6,243,629,893,865
$ 1,091,553,305,348,770
$ 1,197,442,694,012,030
$ 1,818,650,306,671,748
$ 2,436,104,928,749,780
$ 272,369,237,854,980
$ 81,603,806,495,385
$ 369,064,732,934,226
$ 668,271,496,301,580
$ 3,804,965,766,963,712
$ 3,697,273,716,966,969
$ 18,928,791,108,832
$ 449,638,849,535,129
$ 104,793,078,612,830
$ 477,628,239,799,832
$ 118,856,650,266,430
$ 273,230,929,630,784
$ 239,133,234,539,772
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
1.554407959692E+17 3.886E+16 36.5482686 6.2694586209E-17
7.974426797963E+16 1.0633E+15
2.351850639488E+17
Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%
24427781.3115678 0.04735762 0.96235408 -47505794.163371 49819477.373 -47505794.163
306535.054998534 9.63493339 9.3133E-15 2342795.6945004 3564093.9812 2342795.6945
483974.31020564 -1.2766348 0.20566997 -1581984.7064544 346267.82523 -1581984.7065
6993900.0853832 3.62010331 0.00053228 11386077.41883 39251204.269 11386077.4188
9036849.87448406 -0.3482918 0.72859678 -21149788.964297 14854867.236 -21149788.964
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
3.301971626315E+30 8.2549E+29 0.49220938 0.7414377971
1.257838046695E+32 1.6771E+30
1.290857762958E+32
Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%
970167336977102 -0.0109443 0.99129696 -1.943290224E+15 1.922055E+15 -1.94329E+15
12174265611966.5 -0.0856243 0.93199325 -25294793770437 2.320997E+13 -2.529479E+13
19221396397354.6 0.0323604 0.97427061 -37668973122291 3.8913E+13 -3.766897E+13
277767896084241 0.72868669 0.46846262-350936256360243 7.557478E+14 -3.509363E+14
358905152521498 0.96838182 0.33596623-367418501264497 1.062533E+15 -3.674185E+14
F= 0.00639492
0.97442033 0.0129922711
F= 0.492
Superior 95,0%
1.92205466E+15
23209967727550
38912997209911
7.55747792E+14
1.06253295E+15