Estocásticos Proyecto

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.