Econometria Entrega Final

8/16/2019 Econometria Entrega Final

http://slidepdf.com/reader/full/econometria-entrega-final 1/69

INTEGRANTES

Oveimar Rodríguez OrtizEstefania Meza Buchell

!iana Garcia Giraldo

TRABAJO GRUPALECONOMETRIA

ENTREGA FINAL

INSTITUCION UNIVERSITARIA POLITECNICOGRANCOLOMBIANO

2016



OBJETIVO GENERAL

Determinar y escoger que modelo econometrico que defnamas acertadamente el comportamiento del precio devivienda usada (apartamentos) en la ciudad de Bogota,utilizando la teoria econometrica basica, a partir de datosobservados, por medio de recoleccion y su posteriorestipulacion en una base de datos.

Objetivos ese!"#!os$

• Estimar un modelo de tipo econométrico que eplique la!unci"n precio en milllones de pesos de un apartamento

• Determinar las datos de in!erencia estadistica de la!unci"n precio en millones de pesos con respecto a susvariables eplicativas, de !orma tal que podamos obtenerpar#metros $tiles al momento de realizar an#lisis desensibilidad.

•Detrminar el comportamiento de la !unci"n un gradorazonable de seguridad



INTRO%UCION

El ob%etivo del presente traba%o es el de presenter unla venta de la propiedad raiz en Bogota. &ara ello utilizEconometria y emplearemos como parte inicial una recdatos y el uso de técnicas e instrumentos para recopilade una base de datos in!ormacion acerca delinvestigaci"n.

'racias a la econometra se puede suministrar métodte"ricas y procedimientos para !acilitar la !ormestimaci"n de modelos econ"micos que sirvan para

variable de estudio, en este caso el precio en millonesde apartamentos usados en Bogota, conocercomportamiento de estos por medio de esta ciencia eigualmente y a medida que el traba%o avance presentarvalidaci"n estadstica, mediante la cual nos aseguramosmodelo pasa de manera satis!actoria una serie de prnos van apermitir la utilizaci"n del modelo no solo paraeplicar el comportamiento de la variables en estudio,adem#s servir# para acer pron"sticos con base a esc

ocurrencia sobre aquellas variables eplicativas incluimodelo, todo lo cual en su con%unto puede servir dte"rico*pr#ctico para !ormular polticas relacionadas code apartamentos usados en Bogota y sus posibles repen el mercado inmobiliario.



METO%OLOGIA

&ara el logro de los ob%etivos anteriormente plabasaremos en las tecnicas que nos o!rece eceldistintos parametros y en la teorica basicametodologa tradicional o cl#sica de la econometcontinuaci"n+

• &lanteamiento de la teora o ip"tesis.• btenci"n de datos.• Estimaci"n de los par#metros del modelo econo• &rueba de ip"tesis.



nalisis dearemos lalecion dey etraerb%eto de

os, baseslaci"n yplicar la

de pesosmos elonomica,

emos unade que elebas quetratar desino que

narios de

as en elsoportela venta

rcusiones



nteados, nospara calcularutilizando laa descrita a

metrico



RECOLECCION %E

VALOR %EL INMUEBLE METROS NUMERO %E NUMERO %EN MILLONES %E PESO UA%RA%OS &ABITACIONES GARAJES

-,, /01 2 03-,, /45 5 554,, 4 / //44,, 40 5 /23,, //1 5 /

/,24,, 04 2 5220,-, 3/ 0 /-,, /5 5 0

/,/,, /2 5 0/,4,, 00 5 00-4,, 44 0 /-0,, /0 5 0/06,//4, 23 0 /-6,, /50 5 040,, /- 5 0

/,54,, 0/- 5 5--,, /04 0 0004,, 13 5 /

/,550,46, /1 0 02/,, /4 5 0

04,, 13 0 //,24,, /4 5 53-,, 6 0 0304,, /1 2 025,, 6/ 5 0

/,3,, /35 5 5565,2, -0 0 /

/,5,, /6 5 0016,, 26 0 /51,, /3 5 /

-0,, /06 5 554,, 6 0 /14,, //4 0 0/2,, / /3-4,, 3 /-4,, /51, m7 5 0064,, -6, m7 5 0

25, m7 451, m7



004,, 1, m7 0 /05,, 1-, m7 5 /0-,, 3, m7 5 /0/4,, 43, m7 5 //1,, 24, m7 0 /

003,, -4, m7 5 /0,, 13, m7 5 //43,, 25, m7 0 //2,, 23, m7 5 /054,, 13, m7 5 //4,, 26, m7 5 8omunal0-4,, -4, m7 5 //6,, 43, m7 5 //-,, 1, m7 5 //2,, 45, m7 5 *

/2,, 2-, m7 0 8omunal44,, 61, m7 5 /05-,, 1-, m7 5 /0/4,, 1, m7 5 /02,, 30, m7 5 //43,, 42, m7 5 8omunal03,, -0, m7 5 //04,, 2-, m7 5 8omunal/33,, -1, m7 5 /0,, --, m7 5 /

5,, 32, m7 5 //64,, 12, m7 5 //-3,, 46, m7 5 /04,, 4-, m7 5 //3,, 32, m7 5 /01,, 23, m7 0 /01,, 43, m7 0 /53,, //3.m7 0 /44,, /06.m7 2 /14,, /5/. m7 5 /

204,, -4. m7 0 /0-,, 30.m7 0 /50,, 10.m7 / 8omunal53,, 10.m7 / /564,, 34.m7 5 /45,, /.m7 5 023,, 3-.m7 5 /26,, /06.m7 5 /



5/4,, 42, m7 / /53,, //3.m7 5 /224,, 12, m7 0 055,, 12, m7 / 1,, /-0.m7 2 0

203,, /3.m7 5 /02,, 43, m7 0 /44,, /06.m7 2 /23,, -3.m7 0 /44,, 60.m7 5 /4/,, /.m7 0 /25,, -0, m7 0 /5-,, 61, m7 5 /12,, //6.m7 5 0023.. 2/m7 / /

20.. 15m7 / /330.000.000 12m7 / /650.000.000 /0/m7 0 0

203.. /4m7 5 /44.. /06m7 2 /

F'e(tes$

ttp+99:::.porta!olio.co9tendeF'e(tes$

ttp+99:::.porta!olio.co9tende

ttp+99:::.metrocuadrado.com9venta9aparta. . .

ttp+99:::.metrocuadrado.com9venta9aparta. . .

http://www.metrocuadrado.com/venta/apartamento-en-bogota-la-macarena-san-diego-centro/zc.com.co






%ATOS

A)OS %E UBICACI*N VALOR %E LACONSTRUCCION A%MINISTRACION

0 ?orte 226,44 ?orte 10,5 ?orte 04,0 ?orte 34,0 ?orte 03,/4 ?orte /,,/ ?orte 55,/ ?orte 5-6,4 ?orte 6/6,/ ?orte -4,0 ?orte /04,2 ?orte 23,/ ?orte /,- ?orte 064,/4 ?orte 1-4,/ ?orte 34,0 ?orte --0,0 ?orte 04, ?orte /,,0 ?orte 546,

0 ?orte 0, ?orte /,/,/ ?orte 44,/ ?orte 304,/ ?orte 51,4 ?orte 3, ?orte 033,0 ?orte 6-, ?orte 04,/ ?orte 5/,

4 ?orte 1,4 ?orte 06, ?orte 43,

/ a 3 ccidente 3,/ a 3 ccidente /0,/ a 3 ccidente 55/,4

@as de 5 ccidente /35,



/ a 3 ccidente 4,/1 a 5 ccidente /24,6 a /4 ccidente /-,6 a /4 ccidente /54,6 a /4 ccidente -5,

/ a 3 ccidente 6 a /4 ccidente 60,

@enos de / ccidente -4,/ a 3 ccidente 4,6 a /4 ccidente /24,/ a 3 ccidente 10,6 a /4 ccidente /-1,6 a /4 ccidente 32,0/ a 3 ccidente 3/,4/ a 3 ccidente 2,

/ a 3 ccidente 34,/ a 3 ccidente 054,/ a 3 ccidente /0/,/ a 3 ccidente 005,/ a 3 ccidente /50,6 a /4 ccidente 44,6 a /4 ccidente /14,/1 a 5 ccidente 60,6 a /4 ccidente //,/ a 3 ccidente /,

/ a 3 ccidente 4,6 a /4 ccidente 34,/1 a 5 ccidente //4,6 a /4 ccidente /52,

Entre y 4 aAos 8entro /4,Entre y 4 aAos 8entro /3,

4 y / aAos 8entro@#s de 0 aAos 8entro 21,@#s de 0 aAos 8entro 2-2,@#s de 0 aAos 8entro 533,

Entre 4 y / aAos 8entro 50,@#s de 0 aAos 8entro 03,@#s de 0 aAos 8entro 0-,Entre y 4 aAos 8entro 5/,ntre / y 0 aAo 8entro 5,Entre 4 y / aAos 8entro 54,Entre y 4 aAos 8entro 03,@#s de 0 aAos 8entro 5-,



Entre 4 y / aAos 8entro /-4,ntre / y 0 aAo 8entro 21,Entre y 4 aAos 8entro 50,Entre y 4 aAos 8entro /6,@#s de 0 aAos 8entro /,

@#s de 0 aAos 8entro 50-,@#s de 0 aAos 8entro 0/,@#s de 0 aAos 8entro 2-2,Entre y 4 aAos 8entro 54,@#s de 0 aAos 8entro 051,

Entre 4 y / aAos 8entro 03,ntre / y 0 aAo 8entro 04,@#s de 0 aAos 8entro 06,@#s de 0 aAos 8entro 25,@as de 0 aAos 8entro 50.

Entre / y 0 aAos 8entro 04.Entre y 4 aAos 8entro /6.Entre y 4 aAos 8entro 20.@as de 0 aAos 8entro 50-.@as de 0 aAos 8entro 2-2.

ncias9zonas*valorizadas*bogota*/203

ncias9zonas*valorizadas*bogota*/203

ento*en*bogota*la*macarena*san*diego*centro9zc.com* ; ; * .

ento*en*bogota*la*macarena*san*diego*centro9zc.com* ; ; * .







-,,. /01 0 3-,,. /45 4 54,,. 4 5 /44,,. 40 0 25,,. -4 /

/,3,,. 43 4 14,,. 30 /2,,. 42 1

3-4,,. -0 1 -4,,. 2- 1 064,,. -1 54 004,,. -- 1 05,,. 32 0 0-,,. 12 /0 0/4,,. 46 /0 /1,,. 4- /0 003,,. 32 1 0,,. 23 /0 /43,,. 43 / /2,,. //3 1 054,,. /06 /0 /4,,. /5/ 1 0-4,,. -4 /0

/6,,. 30 /0 /-,,. 10 1 /2,,. 10 1 /2,,. 34 1 44,,. / 1 05-,,. 3- 1

VALOR MILLONES%E PESOS

AREA EN METROSCUA%RA%OS

A)OS %EUSO



0/4,,. /06 1 02,,. 42 1 /43,,. //3 /0 03,,. 12 /0

/04,,. 12 0 /33,,. /-0 /0 0,,. /3 1 5,,. 43 1 /64,,. /06 /0 /-3,,. -3 0 04,,. 60 /0 /3,,. / 5

01,,. -0 5 01,,. 61 - 53,,. //6 04 44,,. -4 04 14,,. 30 04 204,,. 10 - 564,,. 3- /1

45,,. /06 5 23,,. 42 5 26,,. //3 04 5/4,,. 12 - 53,,. 12 /4 224,,. /-0 5 55,,. /3 5

1,,. 43 04 203,,. /06 04 02,,. -3 04 44,,. 60 04 23,,. / 5 44,,. -0 04 4/,,. 61 -



25,,. //6 /4 5-,,. 61 04 12,,. //6 04 023,,. 2/ 04

20,,. 15 / 55,,. 12 5 14,,. /0/ 5 203,,. /4 04 44,,. /06 04 14,,. /5/ 04 204,,. -4 - 0-,,. 30 /4

50,,. 10 5 53,,. 10 5 564,,. 34 04 45,,. / 04 23,,. 3- 04 26,,. /06 04 5/4,,. 42 5

53,,. //3 04 224,,. 12 - 55,,. 12 /4 1,,. /-0 04 203,,. /3 04 02,,. 43 04 44,,. /06 /4 23,,. -3 5

44,,. 60 5 4/,,. / 04 25,,. -0 04 5-,,. 61 /4 12,,. //6 /4 023,,. 2/ /



20,,. 15 - 55,,. 12 /4 14,,. /0/ - 203,,. /4 04

44,,. /06 0



25/5550/

355055505505555

555055

NUMERO %E&ABITACIONES



5555

55555555

0002505

555/50/

2502050



055/

//052500

//5555/

50/25020

50055/



//05

2



Res'+e(

Estadísticas de l8oefciente de correlaci"n m$ltiple8oefciente de determinaci"n GI0GI0 a%ustadoError tpicobservaciones

?JCKLKL DE MGK?N

Gegresi"nGesiduos

Ootal

Kntercepci"nreaFso?umero de Pabitaciones



Ecuacion @odelo de Gegresion Cineal @ultipl

H= /6153/56/ Q 145350 . R/ Q (*-02464)

Gegla de Gecazo O(muestra)SGecazo ipotesis nulaEs totalmente valido afrmar a mayor area el

ESTIMACION %EL MO%ELO

&GK@EG @DECLE'F?D @DEC OEG8EG @DEC8FGO @DEC

Gesumen

H= B Q B/ . R/ Q B0 . R0 Q B5 R5

B= &recio promedio del apartamentoB/=asumiendo constante uso y numero de

B0 = sumiendo constante el area y el numB5 = sumiendo constante el area y los aAos

P= B/ = Mariable area no e%erce ningunP/= B/ S Mariable area si e%erce ningun e!



Estadísticas de l8oefciente de correlaci"n m$ltiple8oefciente de determinaci"n GI0

GI0 a%ustadoError tpicobservaciones

?JCKLKL DE MGK?N

Gegresi"nGesiduos

Ootal

Kntercepci"nreaFso?T gara%es

?T abitaciones

A(,-isis

Ca Estadstica %uega un papel importanespecialmente importante asta el p

@atem#ticas, la Estadstica y la in!orm/ datos aproimadamente, a partirestimaci"n, a partir de la base de datciertas variables como el n$mero deadministraci"n, que otorgaron para nu



variables eplicativas incluidas en elmencionan que es necesario no maivariables y arro%ar un porcenta%e le%anpoder estimar y validar nuestra presen

la vista del resultado analtico podecercano a / afrma que el modelo tienlineal per!ecto donde la variaci"n totaldatos para nuestro caso particular quedi!erenciaci"n inadecuada para un posEn conclusi"n el coefciente G0 ,!ue coestableciendo una erramienta de eval

&odemos observar que el cuarto modelconsiderablemente presenta una di!erdeterminadas en cada una de ellas,administracion nos arro%o un coefcient



regresión.032246562-Obse.v,!io(es

3UCas variables area,.40/6433/

0/11301/0.344360/

Grados de libertad Suma de cuadrados5 5.613516-EQ/-

61 2.4-554EQ/366 2.62/1-4EQ/3

Coefcientes Error típico/6153/56/.525266 -6544322.61565-145350.460600426 -423/5.2--55-3

*-02464.36332553 01-5/4.4/-/2234143131.1-/4 05-6/55.120-03

G0 cercano a vari



. R0 Q 4143131 .R5

Mariable area si genera un aspecto eplicativo sobre prec valor de un apartamento aumenta con su area

Coe#!ie(te /e /ete.+i(,!i( R2R2 ,j'st,/o

2/.15U .-32.4U .-05.3-U .404.5U .36

abitaciones, por cada metro adicKonal el precio del aparta

ro de alcobas,el precio del apartamento disminuye -024de uso, el precio del apartamento sube 41,43,131 por c

!ecto sobre el precio del apartamentocto sobre el precio del apartamento



regresión.0646304-2

4U

.36/2502/650/-5/012./565/

Grados de libertad Suma de cuadrados2 2.062/115-EQ/-

64 2.2-2-22//EQ/3

66 2.62/1-4EQ/3

Coefcientes Error típico/140/2/4.-25/- 3-6-013-.6613/0165-54./123333- -4-423.4325-01

*242-.102056245/ 0---16.621645106223632.3453521 542140.524/44

23641143.6024215 04434.0654

te en cualquier ciencia emprica a la ora de estimnto de que la necesidad de etender la Estadst

tica para estudiar y analizar los !en"menos econ"de cualquier cantidad de in!ormaci"n podemos rs sobre el valor en millones de pesos de ciertos apabitaciones, su respectiva #rea de construcci"n,stro caso la in!ormaci"n emprica sobre un !en"me



odelo de regresi"n, que por tener varias variablizar el valor de este coefciente, para el caso po cercano respecto a la eplicaci"n de las variabl

aci"n.

os afrmar que el a%uste del modelo es aceptableun buen a%uste y es adecuado para describir la r

de la variable H es eplicada por el modelo de rese recolecto aleatoriamente viviendas de diversoserior relaci"n de las variables.siderado como medida de la bondad de a%uste, y

uaci"n complementaria

o que incluye las variables de area, uso, numero dencia de casi / puntos porcentuales a su !avor, lcabe mencionar , que para el tercer modelo quy un valor a%ustado menor.



so y numerosde abitaciones estan eplicando en un

romedio de los cuadrado F alor crítico de/500-1366/4/62 0.3/-5/34 .25/124/-32164/542-/2410

Estadístico t Probabilidad Inerior 950.2-21652-/ ./43605 5331/032.10.3110/-2551 .5334516 *32221.5/-/0

*.0--63-440 .-3/134 *46-1.0110.5-4/-6-250 ./64036 6035013.45/

bles tienen muy poca relacion



io P.'eb, T

ento sube 145350

4 por cada aAo mas de usoda abitacion adicional que tenga

V Po+ X/ = v9s P/+ X Oobs= *0-.0626

Le recaza Po dado que Oobs



romedio de los cuadrado F alor crítico de/-542/46/163// 0.0-6/4-/- .112/0/02/2-/04161/5604

Estadístico t Probabilidad Inerior 95/.3-430442/0 .15-263 *6101240.402.6/4-15-5- .510/66/ *3//36.155./12/3015 .63162/1 *424405./652

.35/-405 .2-15436 *2326/1.64

/.6/6335266 .4-3305- */11332.5135

bservacion, observando los resultados arro%ados seg

ular la !ormulaci"n de modelos y contrastarlos.ca a teoras y modelos econ"micos, en dond

icos. unque particularmente traba%amos sobr!erenciar ciertas tendencias y disposiciones q

artamentos con la particularidad de tener aAossus aAos de uso, numero de gara%es, y tambiéo para poder estimar y validar cierto modelo.



,s incluidas podemos denominarlo modelo derticular de nuestro traba%o no sirvi" como re!s incluidas en el estudio, por ende tubo una si

o no seg$n los resultados arro%ados, poder di!laci"n que eiste entre las variables dependienresi"n, cabe resaltar que la estructura de los dsectores de la ciudad de Bogot#, podemos enco

ue posible etrapolar la relaci"n que estableco

abitaciones y numero de gara%es nos arro%a uregresion lineal se realizo para todos los mo

e incluye una variable no muy inuenciable



3U las variaciones del precio de lavivienda

Superior 95Inerior 95!"Superior 95!"5456/266 5331/032.1 5456/263.10

0/40/04.45 *32221.5/- 0/40/04.45224332.43- *46-1.0/ 224332.4313

/5-52/4 6035013.45/ /5-52/2.13





Superior 95Inerior 95!"Superior 95!"556116030 *6101240.4 556116030.0

0/6-146.61 *3//36.15 0/6-146.614421/22.220 *424405./6 4421/22.22/666-53334.3 *2326/1./ 66-53334.30

66430/43.00 */11332.5- 66430/43.0/-

n el analisis de las variables de los cuatro modelos, el

En la ciencia econ"mica este papel se acela Econometra se encarga de aplicar las

una base de datos relativamente pequeAae inuyen directamente en un modelo dee uso, podemos determinar la inuencia de

caractersticas adicionales como valor de



,regresi"n m$ltiple, aunque ciertos autoresrencia, para entender la correlaci"n de lasnifcancia y es un punto de re!erencia para

erencia los par#metros de a /, en un G0tes e independiente, siendo G0+ / un a%ustetos debe ser adecuada, y para una base detrar algunos inconvenientes respecto a una

ara poder determinar el modelo a escoger,

n coefcientes de determinacion mas alto, yelos,y se incluyo las variables que estabanpara la estimacion como el valor de la





estadsticamente signifcativo, con un nivel de confanza de



2 modelo arro%a un porcenta%e mmas elevado, y un G0 a%ust







64U



do mas cercano a /





VALOR AREA "SO ALCOBAS VALOR

-,, /01 2 0 4,,3-,, /45 5 4 316,666,6

54,, 4 / 5 526,666,664/44,, 40 5 0 /42,666,66323,, //1 5 0 23,,

ZZZ 04 2 /4 /,04,,220,-, 3/ 0 / 220,-,-,, /5 5 / -,,

ZZZ /2 5 4 /,/,,ZZZ 00 5 / /,4,,

04,, 44 0 0 04,,-0,, /0 5 2 -0,,

/06,//4, 23 0 / /06,//4,-6,, /50 5 - -6,,40,, /- 5 /4 40,,

ZZZ 0/- 5 / /,54,,--,, /04 0 0 --,,004,, 13 5 0 002,666,666

ZZZ /1 0 /,550,436,6662/,, /4 5 0 26,666,66604,, 13 0 0 00,3,5/

ZZZ /4 5 /,226,666,61

3-,, 6 0 / 3-,,304,, /1 2 / 304,,25,, 6/ 5 / 25,,

ZZZ /35 5 4 /,3,,565,2, -0 0 /65,2,

ZZZ /6 5 0 /,06,666,661016,, 26 0 013,666,6//51,, /3 5 / 546,666,6--0,, /06 5 4 -0,,54,, 6 0 4 /4,,

14,, //4 0 245,4/3,5/2,, 25 / 3 /56,666,6663-4,, 451 3 3 3-4,,-4,, /51 5 3 -4,,064,, -6 5 5 064,,004,, 1 0 3 004,,05,, 1- 5 5 05,,



0-,, 3 5 /4 0-,,0/4,, 43 5 /4 0/4,,/1,, 24 0 /4 /46,666,663003,, -4 5 3 003,,0,, 13 5 /4 0,,

/43,, 25 0 / /43,,/2,, 23 5 3 /2,,054,, 13 5 /4 052,666,666/4,, 26 5 3 /4,,0-4,, -4 5 /4 0-4,,/6,, 43 5 /4 /36,666,663/-,, 1 5 3 /-,,

/2,, 45 5 3 /56,666,36//2,, 2- 0 3 /2,,44,, 61 5 3 44,,

05-,, 1- 5 3 2,4/3,50/4,, 1 5 3 05,346,65602,, 30 5 3 02,,/43,, 42 5 /4 /43,,

03,, -0 5 /4 03,,/04,, 2- 5 5 /04,,/33,, -1 5 /4 /33,,0,, -- 5 3 0,,5,, 32 5 3 5,,/64,, 12 5 /4 /64,,

/-3,, 46 5 5 /--,666,63104,, 4- 5 /4 02,666,65/3,, 32 5 4 /3,,01,, 23 0 4 01,,01,, 43 0 / 01,,53,, //3 0 0 53,,44,, /06 2 0 44,,14,, /5/ 5 0 14,,204,, -4 0 4 204,,0-,, 30 0 0 0-,,

50,, 10 / 0 50,,53,, 10 / 4 53,,564,, 34 5 0 564,,45,, / 5 4 45,,23,, 3- 5 4 23,,26,, /06 5 0 26,,5/4,, 42 / / 5/4,,



53,, //3 5 0 53,,224,, 12 0 4 224,,55,, 12 / 4 55,,1,, /-0 2 0 1,,203,, /3 5 0 203,,

02,, 43 0 0 02,,44,, /06 2 0 44,,23,, -3 0 4 23,,44,, 60 5 0 44,,4/,, / 0 4 4/,,25,, -0 0 0 25,,5-,, 61 5 0 5-,,12,, //6 5 0 12,,



AREA100 USO3 ALCOBAS2*01 / *45 0 (5)

4 2 (/)23 0 (/3)

*/1 0 (/3)*/4 / (/5)

/6 5 (3)*5 0 (3)*2 0 (5)

*/0 0 (3)24 5 (/3)

*0 0 (0)

40 5 (3)*50 0 (4)*- 0 (/5)

*//- 0 (3)*04 5 (/3)50 0 (/3)*1 5 0*4 0 (/3)50 5 (/3)

*4 0 0

/ 5 (3)*1 / (3)

6 0 (3)*35 0 (5)03 5 0

*6 0 (/3)4/ 5 0*3 0 (3)

*06 0 (5)/ 5 (5)

*/4 5 04- 2 (1)

*251 *5 (1)*51 0 (1)0/ 0 (03)2 5 (1)55 0 (03)



0 0 (/5)20 0 (/5)44 5 (/5)04 0 (1)50 0 (/5)

4- 5 /40 0 (1)50 0 (/5)4/ 0 (1)04 0 (/5)20 0 (/5)2 0 (1)2- 0 (1)45 5 (1)

2 0 (1)

55 0 (1)2 0 (1)/3 0 (1)21 0 (/5)03 0 (/5)45 0 (03)02 0 (/5)05 0 (1)/1 0 (1)51 0 (/5)

2/ 0 (03)25 0 (/5)/1 0 (5)40 5 (5)20 5 (3)

*/3 5 (/3)*06 / (/3)*5/ 0 (/3)04 5 (5)/3 5 (/3)

53 2 (/3)53 2 (5)/4 0 (/3)

0 (5)/5 0 (5)

*06 0 (/3)21 2 (3)



*/3 0 (/3)51 5 (5)51 2 (5)

*-0 / (/3)*3 0 (/3)

20 5 (/3)*06 / (/3)00 5 (5)

3 0 (/3) 5 (5)

03 5 (/3)2 0 (/3)

*/6 0 (/3)



Re4.esi( Li(e,-

Estadsticos de Gegresi"n# .-2/12# Cuadrado .445# Cuadrado $%ustado .4545S 05,,06/,1/,125& 62

MCG = 206,143,56,

?Md'' SS

#egresión 5 4.3/630EQ/3#esiduo 6 2.-1//0EQ/3(otal 65 /.436EQ/6

Coefcientes Error Est)ndar

Kntercepto 206,143,56.-12/3 3,0-1,26,364,//GE 4,-4,022.-125 414,55/.41/FL */21,-4,///.5103 2,4-4,551.061/6

C8BL *4,/4,/3.41255 5,2/6,36.2-2/-( *5+ /.6311-

,C, - Valor inerior de un inter.alo de confan/a *,C,+0C, - Valor superior de un inter.alo de confan/a *0C,+

PRE%ICCION

&GO@E?O FLD 8& 0,,GE /FL 4C8BL 0

&GE8K &G@EDK /65,/5/,345

Gegresi"n Cineal 0dvertencia(s)+



Error de an)lisis1 2,a matri/ es singular3

Error al estimar el error est)ndar de una 4

Error during estimating at matri6'

Estadsticos de Gegresi"n# .66105# Cuadrado .6602-# Cuadrado $%ustado .660/5S 06,6/6,136.-51/0& 62

?M

d'' SS#egresión 2 /.4/5EQ/6#esiduo 36 -.61-/-EQ/1(otal 65 /.436EQ/6

Coefcientes Error Est)ndar

Kntercepto /61,23/,6- 4,52/,66MCG*0 /./141 .625

GE*/ .0-31 .0/611FL*4 *.501 ./412-

C8BL*0 ./521 ./4431MCG*0 .//6 Z?9

GE*/ *./ Z?9FL*4 ./0 Z?9

C8BL*0 .2 Z?9( *5+ /.63163,C, - Valor inerior de un inter.alo de confan/a *,C,+

0C, - Valor superior de un inter.alo de confan/a *0C,+

K?OEGMC 8?\K?N 64UEGGG 4U

0.4

'GDL DE CKBEGOD /6./2/

MCG = * 5,/62,6/-,44362 Q /,/141 [ MCG*0 Q ,0-31



CK@KOE K?\EGKG 8&/61,23/,6-CK@KOE LF&EGKG /6/,/2,1/

OBSERVACION

EC intervalo de confanza para la compra de un apartamento usado co4 anos de uso y dos alcobas esta entre /61,23/,6- y /6/,/2,1/

@EDK /5.433652335 4.1266/0/12DELMK8K?ELO?DG -.5115-06//6

ESTIMA#ION INTER$A%O #ON&IAN'A (ARA A(ARTAMENTOS #ON MAS !E )* M

Z1 .04 0.003Z2 .04 0.003



12/3 Q 4,-4,022,-125 [ GE * /21,-4,///,5103 [ FL * 4,/4,/3,41255 [

7S F ni.el p

/.65662EQ/3 51.1-60 4.06/5EQ/1

,C, 0C, Estadístico t ni.el p

01,405,631,540,24 46,2-,10/,1,25/ 4./6/43 /.0350E*15,640,//2.046/ 1,/63,5-5.365-- 3.6--21

*00-,51,63.61065 *11,/2,/05.-101- *5.1/1-5 .26*//,620,151.4-42 /,120,466.22156 */.4104 ./544



7S F ni.el p0.10450EQ/3 0,650.-1 3.64/33EQ/2

,C, 0C, Estadístico t ni.el p

*/5,36,/-1.41/ -,2/6,52/.5330/ *.4636 .44/5.66-30 /.545 /-.-304 *.231 .21250 ./0135 .36651

*.5/2/1 .5-14 *.03/ .63524

*.06105 .505/4 .3151 .65/5-Z?9 Z?9 Z?9 Z?9Z?9 Z?9 Z?9 Z?9Z?9 Z?9 Z?9 Z?9Z?9 Z?9 Z?9 Z?9

K?OEGMC DE 8?\KN 6UEGGG /U

4

'GDL DE CKBEGOD 04.21

[ GE*/ * ,501 [ FL*4 Q ,/521 [ C8BL*0 Q ,//6 [ MCG*0C8BL*0



CK@KOE K?\EGKG */2.53/6544CK@KOE LF&EGKG 01.42121060

un area de /mts,

TROS +,* !ATOS A-.A,/0



C8BL

8" *5+

reca/ado

reca/ado

reca/ado

aceptado



8" *5+

aceptado

reca/ado

aceptado

aceptado

aceptado&:$

&:$

&:$

&:$

* ,/ [ GE*/ Q ,/0 [ FL*4 Q ,2 [





5UE APREN%IMOS COMO %ESARROLLAMOS PASO

&ara la elaboracion de este traba%o empezamos plinealidad de parametros en el que el modelo escogidoapartamentos usados en Bogota se puede epresarecuacion constante y lineal, la implicacion de esto esanalizar el cambio en H cuando cambia en R, por e%ecuesta un apartamento de 0 millones con /, 0 5que serian las variables de estudio, aqu H seria una !de R y Bo y B/ son dos numeros que describen essiempre van a ser constantes, en este caso+

Bo = &recio promedio del apartamentoB/= Ca variables

&ara saber cuales son las variables de estudio se rmuestreo aleatorio, donde el caso de estudio son losusados en Bogota divididos por zonas (norte, sur, oriecaso no nos en!ocamos en un solo sesgo si no que !ueescogidas al azar, asi podemos estudiar como inuyeun apartamento dependiendo de la zona donde esta ubi

Despues pasamos a detrminar la relacion entre todasindependientes y encontramos que ay una colinealidado que la !uncion seria+

partamentos usados = BoQB/areaQB0[nabitacionQerror

En este caso las dos variables eplicativas son unalineal eacta.

&rosiguiendo con las variable que estamos estudiandeste caso conocemos toda la distribuccion muestralsignifca en la poblacion de estudio (apartamentosBogota) el error no observado sera distribuido normalque las variables eplicativas de estudio (area,abitaciones, ara es, banos)son constantes.



En nuestro analisis vemos que la varianza cambiamodifcan las variablesEsto quiere decir que ay eterocedasticidad.

Este ultimo termino ace re!erencia a los 4 supuestoestado estudiando y verifcando en cada proceso si sno, como mencionamos en el comienzo del analisis elsupestos conocidos como 'auss @r]ov a sido demanera+

/. Mer si ay linealidad en los parametros0. Establecer un muestreo aleatorio5. Mer si ay o no linealidad per!ecta2. @edia condicional cero4. Peterocedasticidad

&aso a paso emos visto que cada uno de estos supcumplido lo que quiere decir que es el me%or metodoestimaciones que emos estado traba%ando, conpodemos eplicar me%or la relacion entre una variableste caso como inuye el area, la ubicaci"n, numegara%es y abitaciones en un apartamento usado en Bo

En conclusion vemos como nuestro Bo = partamentBogota, que emos etraido de una nuestra aleatorialineado de una manera precisa con las variables que analizando.

dicional a ellos podemos defnir que el modelo escogid

Donde las variables responden a la descripcion de arcuadrados, aAos de uso, numero de gara%es yabitaciones, y podemos defnir que la unica variableuna relacion inversa seria los aAos de uso deldestacando que las demas e!ectuan una relacion direct



procedimientos estadisticos de estimacion aplicados apodemos econtrar en la seccion de calculos quee%ecucion de !ormulas con el programa ecel.

posterior a ello se realiza una etapa de constatacionaplicacion de contrastes estadisticos para analizar la vvalores estimados para los parametros en la etapa dse debe verifcar que los resultados nos permita conmodelo es el adecuado y lo podemos evidenciar eintervalos con la e%ecucion de !ormulas del programa e

y para evaluar la capacidad predictiva del modelo.predicciones para conocer los resultados y poder com

los establecidos en la base de datos, se puede defnir qaplica para eplicar el valor de un apartamento enpesos, si el resultado que arro%a es pequeAo y si nodi!erencia considerable se acepta defnitivamente el m

procedemos a darle valor a las variables eogenas parresultados de prediccion sobre los posibles intervalosel precio de un apartamento en millones de pesos, partomaremos el valor de la fla numero /1 de la baad%untas, y los valores de B,B/, B0,B5,B2 nos arro%a lad%untos por la e%ecucion de la regresion con ecel

&recio= /140/2/4 Q 165-54 . 44 * (242-) . 0 Q 0623641143 .0 Q e

nos arro%a un resultado de 5/6.16.62, un valordi!erencia establecida en base de datos no esconsiderando el valor del error.



A PASO ESTE TRABAJO

r crear unaen este casoediante unaue podemosmplo cuantoabitacionesuncion lineala relacion y

quire de unaparamentote), en este

on muestrasel precio decado.

las variablesad per!ecta

mero de

combinacion

o y com ene B/ lo que

usados enmente. seanumero de



cuando se

que emoscumplen o

orden de losla siquiente

estos se aara acer laesta teoria

e y otra, enro de banosota.

s usados enva a estar

emos estado

o !ue

a en metrosnumeo deque generapartamento,.



,los datos, loevidencia la

ue infere laalidez de los

estimacion,tatar que el

la seccioncel.

se realizanpararlos con

ue el modelamillones degenera una

delo.

calcular losue defniranconstatarlo

se de datoss resultados

23632 . / Q

n donde laabrumador



CONCLUSIONES

7 El G0 muestra el éito de la regresi"n para predecir elvariable dependiente de la muestra, un alto G0 siresultado aceptable para la estimacion

.Cos errores est#ndar mide la confabilidad estadsticoefcientes de regresi"n, por lo tanto un gran errorimplica problema en los estimadores. El error est#ndvariables signifcativas son del 3.-1U. En el caso del revariables es mayor al /U

.l realizar la lectura con%unta del G0 alto y las pruebasque eiste multicolinidad en el modelo.

. la estimaci"n de los coefcientes de regresi"n es posiblerrores est#ndar arro%aron en algunos resultados altos. Esque los valores de alguna de las variables de los coefpuedan ser estimados en !orma precisa.

.Ca prueba O seAalada las variables rea, numero de abi

aAos de construccion (uso) son las estadsticas signifcativeceden el Ocritico.





alor de lanifca un

a de losest#ndar

ar de lassto de las

O indican

, pero loso implicaientes no

aciones, y

as, ya que



Date post:	06-Jul-2018
Category:	Documents
Upload:	juanita-acosta
View:	220 times
Download:	0 times

Econometria Entrega Final

Documents