UNIVERSIDAD CENTRAL DEL ECUADOR FACULTAD DE CIENCIAS ECONÓMICAS ESCUELA DE ESTADÍSTICA MODELOS ESTOCÁSTICOS II ECON. NANCY MEDINA CARRANCO CAYO CARLOS COBOS BYRON COELLO LUIS IZA KEVIN IE8-001 SEPTIEMBRE 2020 ___________________________________ Estimación de la producción de banano en el Ecuador entre el 2002 y 2019 1. Variables 1.1 Variable dependiente VARIABLE DESCRIPCIÓN TIPO Producción de banano (toneladas métricas) Es la cantidad de frutos cosechados en un tiempo determinado de acuerdo al ciclo de producción de cada cultivo, el mismo que está destinado para su comercialización o autoconsumo en toneladas. Cuantitativa Fuente: Encuesta de Superficie y Producción Agropecuaria Continua – ESPAC Elaboración: Los autores 1.2 Variables independientes VARIABLE DESCRIPCIÓN TIPO Tipo de cultivo Tipos de cultivo utilizados en las plantaciones de banano. Cualitativa (1:Solo; 0:Asociado) Superficie plantada (hectáreas) Superficie plantada en el terreno con cultivos permanentes, estandarizada a hectáreas. Cuantitativa Superficie cosechada (hectáreas) Superficie cosechada en el terreno con cultivos permanentes, estandarizada a hectáreas. Cuantitativa Fuente: Encuesta de Superficie y Producción Agropecuaria Continua – ESPAC Elaboración: Los autores 2. Modelos de Regresión Lineal 2.1 Modelos de Regresión Lineal Simple 2.1.1 Modelo de Regresión (Superficie Cosechada) Linear regression Produccion_Total Superficie_Cosechada Constant Coef. 0.150 221.720 Mean dependent var R-squared F-test Akaike crit. (AIC) St.Err. 0.040 12.483 260.495 0.022 14.000 8068.759 t-value 3.74 17.76 p-value 0.000 0.000 SD dependent var Number of obs Prob > F Bayesian crit. (BIC) [95% Conf 0.071 197.206 Interval] 0.229 246.235 Sig *** *** 174.265 614.000 0.000 8077.599 *** p<0.01, ** p<0.05, * p<0.1 2.1.1.1 Prueba de Hipótesis 𝐻0 : 𝛽1 = 0 𝐻1 : 𝛽1 ≠ 0 Como |3.74| > 1.96 → 𝑅𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que la cantidad de superficie cosechada influye en la produccion total de banano. 2.1.1.2 Interpretación de Parámetros 𝜷𝟏 : Si la cantidad de superficie cosechada aumenta en 1 hectárea, en promedio, la producción total de banano aumentará en 0.150 toneladas métricas. 2.1.2 Modelo de Regresión (Superficie Plantada) Linear regression Produccion_Total Superficie_Plantada Constant Coef. 0.121 228.939 St.Err. 0.040 12.600 Mean dependent var R-squared F-test Akaike crit. (AIC) 260.495 0.015 9.058 8073.626 t-value 3.01 18.17 p-value 0.003 0.000 [95% Conf 0.042 204.194 SD dependent var Number of obs Prob > F Bayesian crit. (BIC) Interval] 0.199 253.683 Sig *** *** 174.265 614.000 0.003 8082.466 *** p<0.01, ** p<0.05, * p<0.1 2.1.2.1 Prueba de Hipótesis 𝐻0 : 𝛽1 = 0 𝐻1 : 𝛽1 ≠ 0 Como |3.01| > 1.96 → 𝑅𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que la cantidad de superficie plantada influye en la produccion total de banano. 2.1.2.2 Interpretación de Parámetros 𝜷𝟏 : Si la cantidad de superficie plantada aumenta en 1 hectárea, en promedio, la producción total de banano aumentará en 0.121 toneladas métricas. 2.1.3 Modelo de Regresión (Tipo) Linear regression Produccion_Total Tipo Constant Coef. -4.870 263.073 Mean dependent var R-squared F-test Akaike crit. (AIC) St.Err. 14.100 10.258 260.495 0.000 0.119 8082.527 t-value -0.34 25.64 p-value 0.730 0.000 SD dependent var Number of obs Prob > F Bayesian crit. (BIC) [95% Conf -32.560 242.927 Interval] 22.821 283.218 Sig *** 174.265 614.000 0.730 8091.367 *** p<0.01, ** p<0.05, * p<0.1 2.1.3.1 Prueba de Hipótesis 𝐻0 : 𝛽1 = 0 𝐻1 : 𝛽1 ≠ 0 Como |−0.34| < 1.96 → 𝐴𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que el tipo de cultivo no influye en la produccion total de banano. 2.2 Modelo de Regresión Lineal Múltiple. 2.2.1 Modelo de Regresión Lineal Múltiple (Superficie Cosechada – Superficie Plantada). Linear regression Produccion_Total Superficie_Cosechada Superficie_Plantada Constant Coef. 0.142 0.010 221.150 St.Err. 0.064 0.064 13.045 Mean dependent var R-squared F-test Akaike crit. (AIC) 260.495 0.022 7.000 8070.736 t-value 2.21 0.15 16.95 p-value 0.027 0.879 0.000 [95% Conf 0.016 -0.116 195.531 SD dependent var Number of obs Prob > F Bayesian crit. (BIC) Interval] 0.269 0.136 246.769 Sig ** *** 174.265 614.000 0.001 8083.996 *** p<0.01, ** p<0.05, * p<0.1 2.2.2 Prueba de Hipótesis 𝐻0 : 𝛽1 = 0 𝐻1 : 𝛽1 ≠ 0 Como |2.21| > 1.96 → 𝑅𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que la cantidad de superficie cosechada influye en la produccion total de banano. 𝐻0 : 𝛽2 = 0 𝐻1 : 𝛽2 ≠ 0 Como |0.15| < 1.96 → 𝐴𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que la cantidad de superficie plantada no influye en la produccion total de banano. 2.2.3 Interpretación de Parámetros 𝜷𝟏 : Si la cantidad de superficie cosechada aumenta en 1 hectárea, en promedio, la producción total de banano aumentará en 0.142 toneladas métricas, manteniendo constante la cantidad de superficie plantada. 𝜷𝟐 : Si la cantidad de superficie plantada aumenta en 1 hectárea, en promedio, la producción total de banano aumentará en 0.010 toneladas métricas, manteniendo constante la cantidad de superficie cosechada. 2.2.2 Modelo de Regresión Lineal Múltiple (Superficie Cosechada – Tipo). Linear regression Produccion_Total Superficie_Cosechada Tipo Constant Mean dependent var R-squared F-test Akaike crit. (AIC) *** p<0.01, ** p<0.05, * p<0.1 Coef. 0.154 -11.599 226.778 St.Err. 0.040 14.057 13.910 260.495 0.023 7.337 8070.075 t-value 3.81 -0.82 16.30 p-value 0.000 0.410 0.000 SD dependent var Number of obs Prob > F Bayesian crit. (BIC) [95% Conf 0.075 -39.206 199.462 Interval] 0.233 16.008 254.095 174.265 614.000 0.001 8083.335 Sig *** *** 2.2.2.1 Prueba de Hipótesis 𝐻0 : 𝛽1 = 0 𝐻1 : 𝛽1 ≠ 0 Como |3.81| > 1.96 → 𝑅𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que la cantidad de superficie cosechada influye en la produccion total de banano. 𝐻0 : 𝛽2 = 0 𝐻1 : 𝛽2 ≠ 0 Como |−0.82| < 1.96 → 𝐴𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que tipo de cultivo no influye en la produccion total de banano. 2.2.2.2 Interpretación de Parámetros 𝜷𝟏 : Si la cantidad de superficie cosechada aumenta en 1 hectárea, en promedio, la producción total de banano aumentará en 0.154 toneladas métricas, manteniendo constante la cantidad de superficie plantada. 𝜷𝟐 : No existe diferencia en la producción total de banano debido a la utilización del tipo de cultivo (solo) y el tipo de cultivo (asociado). 2.2.3 Modelo de Regresión Lineal Múltiple (Superficie Plantada – Tipo). Linear regression Produccion_Total Superficie_Plantada Tipo Constant Coef. 0.125 -10.841 233.565 Mean dependent var R-squared F-test Akaike crit. (AIC) St.Err. 0.040 14.136 13.974 260.495 0.016 4.820 8075.035 t-value 3.08 -0.77 16.71 p-value 0.002 0.443 0.000 SD dependent var Number of obs Prob > F Bayesian crit. (BIC) [95% Conf 0.045 -38.602 206.123 Interval] 0.204 16.919 261.007 Sig *** *** 174.265 614.000 0.008 8088.295 *** p<0.01, ** p<0.05, * p<0.1 2.2.3.1 Prueba de Hipótesis 𝐻0 : 𝛽1 = 0 𝐻1 : 𝛽1 ≠ 0 Como |3.08| > 1.96 → 𝑅𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que la cantidad de superficie plantada influye en la produccion total de banano. 𝐻0 : 𝛽2 = 0 𝐻1 : 𝛽2 ≠ 0 Como |−0.77| < 1.96 → 𝐴𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que tipo de cultivo no influye en la produccion total de banano. 2.2.3.2 Interpretación de Parámetros 𝜷𝟏 : Si la cantidad de superficie cosechada aumenta en 1 hectárea, en promedio, la producción total de banano aumentará en 0.125 toneladas métricas, manteniendo constante la cantidad de superficie plantada. 𝜷𝟐 : No existe diferencia en la producción total de banano debido a la utilización del tipo de cultivo (solo) y el tipo de cultivo (asociado). 2.3 Modelo de Regresión Lineal Múltiple (3 variables independientes) Linear regression Produccion_Total Superficie_Plantada Tipo Superficie_Cosechada Constant Coef. 0.013 -11.779 0.144 226.089 St.Err. 0.064 14.096 0.064 14.325 Mean dependent var R-squared F-test Akaike crit. (AIC) 260.495 0.024 4.897 8072.033 t-value 0.20 -0.84 2.23 15.78 p-value 0.838 0.404 0.026 0.000 SD dependent var Number of obs Prob > F Bayesian crit. (BIC) [95% Conf -0.113 -39.462 0.017 197.957 Interval] 0.139 15.904 0.270 254.220 Sig ** *** 174.265 614.000 0.002 8089.713 *** p<0.01, ** p<0.05, * p<0.1 2.3.2 Prueba de Hipótesis 𝐻0 : 𝛽1 = 0 𝐻1 : 𝛽1 ≠ 0 Como |0.20| < 1.96 → 𝐴𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que la cantidad de superficie plantada no influye en la produccion total de banano. 𝐻0 : 𝛽2 = 0 𝐻1 : 𝛽2 ≠ 0 Como |−0.84| < 1.96 → 𝐴𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que el tipo de cultivo no influye en la produccion total de banano. 𝐻0 : 𝛽3 = 0 𝐻1 : 𝛽3 ≠ 0 Como |2.23| > 1.96 → 𝑅𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que la cantidad de superficie cosechada influye en la produccion total de banano. 2.3.3 Interpretación de Parámetros 𝜷𝟏 : Si la cantidad de superficie plantada aumenta en 1 hectárea, en promedio, la producción total de banano aumentará en 0.013 toneladas métricas, manteniendo constante la cantidad de superficie cosechada. 𝜷𝟐 : No existe diferencia en la producción total de banano debido a la utilización del tipo de cultivo (solo) y el tipo de cultivo (asociado). 𝜷𝟑 : Si la cantidad de superficie cosechada aumenta en 1 hectárea, en promedio, la producción total de banano aumentará en 0.144 toneladas métricas, manteniendo constante la cantidad de superficie plantada. Conclusión: De los anteriores modelos de regresión lineal, es conveniente utilizar el segundo modelo que consta de dos variables independientes, ya que solo contiene una variable independiente que no es relevante. De acuerdo a la teoría, mientras se aumenten las hectáreas de superficie cosechada, la producción total de banano aumentará. Validación teórica (signos) De acuerdo a la teoría, mientras se aumenten las hectáreas de superficie plantada, la producción total de banano aumentará. Relevancia Validación Estadística La variable (log_Superficie_Cosechada) tiene un p-value de 0.027, por lo tanto es relevante. La variable (log_Superficie_Plantada) tiene un p-value de 0.879, por lo tanto no es relevante. El modelo en su conjunto es estadísticamente significativo. Ya que la probabilidad del estadístico F es 0.002 Prob>F Multicolinealidad White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(5) = 12.87 Prob > chi2 = 0.0003 Heterocedasticidad Como 0.0003<0.05, entonces existe heterocedasticidad. VIF 2.58 2.58 2.58 Superficie Cosechada Superficie Plantada Mean VIF 1/VIF 0.388146 0.388146 . Como el 2.58<10, entonces no existe multicolinealidad. 3 Modelos de Regresión Logarítmicos (Log-Log). 3.2 Modelo de Regresión Logarítmico Simple (Log-Log). Linear regression log_Produccion_Total log_Superficie_Cosechada Constant Mean dependent var R-squared F-test Akaike crit. (AIC) *** p<0.01, ** p<0.05, * p<0.1 Coef. 0.741 1.249 St.Err. 0.032 0.166 4.918 0.469 539.660 2027.839 t-value 23.23 7.53 p-value 0.000 0.000 SD dependent var Number of obs Prob > F Bayesian crit. (BIC) [95% Conf 0.678 0.923 Interval] 0.803 1.575 1.726 614.000 0.000 2036.679 Sig *** *** 3.2.2 Prueba de Hipótesis 𝐻0 : 𝛽1 = 0 𝐻1 : 𝛽1 ≠ 0 Como |23.23| > 1.96 → 𝑅𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que el logarítmo de la cantidad de superficie cosechada influye en logarítmo de la produccion total de banano. 3.2.3 Interpretación de Parámetros 𝜷𝟏 : Si la cantidad de superficie cosechada aumenta en 1 punto porcentual, en promedio, la producción total de banano aumentará en 0.741 puntos porcentuales. 3.3 Modelo de Regresión Logarítmico Múltiple (2 variables independientes) Linear regression log_Produccion_Total log_Superficie_Cosechada log_Superficie_Plantada Constant Coef. 0.547 0.221 1.105 St.Err. 0.068 0.069 0.171 Mean dependent var R-squared F-test Akaike crit. (AIC) 4.918 0.477 279.033 2019.625 t-value 8.03 3.20 6.47 p-value 0.000 0.001 0.000 SD dependent var Number of obs Prob > F Bayesian crit. (BIC) [95% Conf 0.413 0.086 0.769 Interval] 0.681 0.357 1.440 Sig *** *** *** 1.726 614.000 0.000 2032.885 *** p<0.01, ** p<0.05, * p<0.1 3.3.2 Prueba de Hipótesis 𝐻0 : 𝛽1 = 0 𝐻1 : 𝛽1 ≠ 0 Como |8.03| > 1.96 → 𝑅𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que el logarítmo de la cantidad de superficie cosechada influye en logarítmo de la produccion total de banano. 𝐻0 : 𝛽2 = 0 𝐻1 : 𝛽2 ≠ 0 Como |3.20| > 1.96 → 𝑅𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que el logarítmo de la cantidad de superficie plantada influye en logarítmo de la produccion total de banano. 3.3.3 Interpretación de Parámetros 𝜷𝟏 : Si la cantidad de superficie cosechada aumenta en 1 punto porcentual, en promedio, la producción total de banano aumentará en 0.547 puntos porcentuales, manteniendo constante la cantidad de superficie plantada. 𝜷𝟐 : Si la cantidad de superficie cosechada aumenta en 1 punto porcentual, en promedio, la producción total de banano aumentará en 0.221 puntos porcentuales, manteniendo constante la cantidad de superficie cosechada. Conclusión: De los anteriores modelos de regresión logarítmicos, es conveniente utilizar el segundo modelo que consta de dos variables independientes, ya que éstas son relevantes. Es decir, influyen en la producción de banano. De acuerdo a la teoría, mientras se aumenten las hectáreas de superficie cosechada, la producción total de banano aumentará. Validación teórica (signos) De acuerdo a la teoría, mientras se aumenten las hectáreas de superficie plantada, la producción total de banano aumentará. La variable (log_Superficie_Cosechada) tiene un p-value de 0.027, por lo tanto es relevante. Relevancia La variable (log_Superficie_Plantada) tiene un p-value de 0.879, por lo tanto no es relevante. Validación Estadística El modelo en su conjunto es estadísticamente significativo. Ya que la probabilidad del estadístico F es 0.002 Prob>F Variance inflation factor Multicolinealidad Superficie Cosechada Superficie Plantada Mean VIF VIF 4.64 4.64 4.64 1/VIF 0.215319 0.215319 . Como el 2.58<10, entonces no existe multicolinealidad. White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(5) = 126.24 Prob > chi2 = 0.0000 Heterocedasticidad Como 0.000<0.05, entonces existe heterocedasticidad. 4 Modelos de Regresión Semilogarítmicos (Log-Lin). 4.2 Modelo de Regresión Semilogarítmico Simple (Log-Lin). Linear regression log_Produccion_Total Superficie_Cosechada Constant Coef. 0.004 3.959 Mean dependent var R-squared F-test Akaike crit. (AIC) St.Err. 0.000 0.116 4.918 0.139 99.128 2323.853 t-value 9.96 34.12 p-value 0.000 0.000 SD dependent var Number of obs Prob > F Bayesian crit. (BIC) *** p<0.01, ** p<0.05, * p<0.1 4.2.2 Prueba de Hipótesis 𝐻0 : 𝛽1 = 0 𝐻1 : 𝛽1 ≠ 0 Como |9.96| > 1.96 → 𝑅𝐻0 [95% Conf 0.003 3.731 Interval] 0.004 4.186 1.726 614.000 0.000 2332.693 Sig *** *** Por lo tanto, existe suficiente evidencia muestral para afirmar que la cantidad de superficie cosechada influye en el logarítmo de la producción total de banano. 4.2.3 Interpretación de Parámetros 𝜷𝟏 : Si la cantidad de superficie cosechada aumenta en 1%, en promedio, la producción total de banano aumentará en 0.4 puntos porcentuales, manteniendo constante la cantidad de superficie plantada . 4.3 Modelo de Regresión Semilogarítmico Múltiple (Log-Lin) (2 variables independientes). Linear regression log_Produccion_Total Superficie_Cosechada Superficie_Plantada Constant Coef. 0.003 0.001 3.885 St.Err. 0.001 0.001 0.121 Mean dependent var R-squared F-test Akaike crit. (AIC) 4.918 0.146 52.107 2321.332 t-value 4.56 2.13 32.15 p-value 0.000 0.034 0.000 SD dependent var Number of obs Prob > F Bayesian crit. (BIC) [95% Conf 0.002 0.000 3.647 Interval] 0.004 0.002 4.122 Sig *** ** *** 1.726 614.000 0.000 2334.592 *** p<0.01, ** p<0.05, * p<0.1 4.3.2 Prueba de Hipótesis 𝐻0 : 𝛽1 = 0 𝐻1 : 𝛽1 ≠ 0 Como |4.56| > 1.96 → 𝑅𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que la cantidad de superficie cosechada influye en el logarítmo de la produccion total de banano. 𝐻0 : 𝛽2 = 0 𝐻1 : 𝛽2 ≠ 0 Como |2.13| > 1.96 → 𝑅𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que la cantidad de superficie plantada influye en el logarítmo de la produccion total de banano. 4.3.3 Interpretación de Parámetros 𝜷𝟏 : Si la cantidad de superficie cosechada aumenta en 1%, en promedio, la producción total de banano aumentará en 0.3 puntos porcentuales, manteniendo constante la cantidad de superficie plantada. 𝜷𝟐 : Si la cantidad de superficie plantada aumenta en 1%, en promedio, la producción total de banano aumentará en 0.1 puntos porcentuales, manteniendo constante la cantidad de superficie cosechada. Conclusión: De los anteriores modelos de regresión semilogarítmicos (Log-Lin), es conveniente utilizar el segundo modelo que consta de dos variables independientes, ya que éstas son relevantes. Es decir, influyen en la producción de banano. De acuerdo a la teoría, mientras se aumenten las hectáreas de superficie cosechada, la producción total de banano aumentará. Validación teórica (signos) De acuerdo a la teoría, mientras se aumenten las hectáreas de superficie plantada, la producción total de banano aumentará. La variable (log_Superficie_Cosechada) tiene un p-value de 0.027, por lo tanto es relevante. Relevancia Validación Estadística La variable (log_Superficie_Plantada) tiene un p-value de 0.879, por lo tanto no es relevante. El modelo en su conjunto es estadísticamente significativo. Ya que la probabilidad del estadístico F es 0.002 Prob>F Variance inflation factor Multicolinealidad Superficie Cosechada Superficie Plantada Mean VIF VIF 2.58 2.58 2.58 1/VIF 0.388146 0.388146 . Como el 2.58<10, entonces no existe multicolinealidad. White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(5) = 246.59 Prob > chi2 = 0.0000 Heterocedasticidad Como 0.000<0.05, entonces existe heterocedasticidad. Conclusión Final: Modelo de Regresión Logarítmico Múltiple (2 variables independientes) Linear regression log_Produccion_Total log_Superficie_Cosechada log_Superficie_Plantada Constant Coef. 0.547 0.221 1.105 Mean dependent var R-squared F-test Akaike crit. (AIC) St.Err. 0.068 0.069 0.171 4.918 0.477 279.033 2019.625 t-value 8.03 3.20 6.47 p-value 0.000 0.001 0.000 SD dependent var Number of obs Prob > F Bayesian crit. (BIC) [95% Conf 0.413 0.086 0.769 Interval] 0.681 0.357 1.440 Sig *** *** *** 1.726 614.000 0.000 2032.885 *** p<0.01, ** p<0.05, * p<0.1 Interpretación de parámetros: 𝛽1 : Si la superficie cosechada logarítmica incrementa en 1 punto porcentual, en promedio, la producción total se incrementará en 0.547 puntos porcentuales, manteniendo constante la influencia de la cantidad de superficie plantada logarítmica. 𝛽2 : Si la superficie plantada logarítmica incrementa en 1 punto porcentual, en promedio, la producción total se incrementará en 0.221 puntos porcentuales, manteniendo constante la influencia de la cantidad de superficie cosechada logarítmica. Criterio Interpretación De acuerdo a la teoría, mientras se aumenten las hectáreas de superficie cosechada, la producción total de banano aumentará. Validación teórica (signos) De acuerdo a la teoría, mientras se aumenten las hectáreas de superficie plantada, la producción total de banano aumentará. Relevancia Validación Estadística La variable (log_Superficie_Cosechada) tiene un p-value de 0.000, por lo tanto es relevante. La variable (log_Superficie_Plantada) tiene un p-value de 0.001, por lo tanto es relevante. Prob>F Multicolinealidad El modelo en su conjunto es estadísticamente significativo. Ya que la probabilidad del estadístico F es 0.000 Variance inflation factor log Superficie Cosechada log Superficie Plantada Mean VIF Heterocedasticidad VIF 4.644 4.644 4.644 1/VIF .215 .215 . White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(5) = 126.24 Prob > chi2 = 0.0000 𝐻0 : 𝛽1 = 0 𝐻1 : 𝛽1 ≠ 0 Como |8.03| > 1.96 → 𝑅𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que el logarítmo de la cantidad de superficie cosechada influye en logarítmo de la produccion total de banano. Prueba de Hipótesis 𝐻0 : 𝛽2 = 0 𝐻1 : 𝛽2 ≠ 0 Como |3.20| > 1.96 → 𝑅𝐻0 Por lo tanto, existe suficiente evidencia muestral para afirmar que el logarítmo de la cantidad de superficie plantada influye en logarítmo de la produccion total de banano.