REGRESION MULTIPLE CON EVIEWSMODELOS ESPECIFICAR LAS VARIABLES Tenemos las siguientes Variables, entre ellas:Variables Dependientes:La variable dependiente que es la establece el anlisis del modelo es la variable SUICIDIO.Variables independientes: 1. Desempleo: Esta es un factor que puede precisar la causa de los suicidios, ya que existen personas que por falta de desempleo optan por este ya que va a ver una disminucin de ingresos.2. Consumo de Alcohol (CONSALCOH): Esta tambin se puede expresar como un factor para el caso de los suicidios, ya que hay personas que tienen este consumo en exceso es decir un vicio al consumo de alcohol y optan por este caso.3. Divorcio: esta es tambin un factor, ya que a causa de este se puede estudiar y anlisis el caso de los suicidio.4. Generosidad: es un factor, esta variable da referencia al trato que tiene cada persona en su entorno.

DATA INICIALDatos recopilados de las encuestas realizadas de PERU21.PEhttp://peru21.pe/Para ser evaluar y analizar hemos tomado en esa data solo los valores referentes a los aos del 1991 hasta el 2002 de cada ciudad, es esta caso hemos seleccionado tres ciudades como podemos visualizar.

INGRESO DE DATA EN EVIEWS

ESTIMACIONGrafica para Observar Comportamiento de variablesPara la Variable del Consumo de Alcohol

Esta grafica describe el aumento y disminucin con respecto a los datos establecido en la data de la variable CONSALCOH .Para la Variable Del Desempleo

Para la Variable Del Divorcio

Para la Variable Generosidad

Para la Variable Suicidio

Modelo Lineal Muestra los valores reales de la variable dependiente, los valores ajustados o estimados para esta variable con la ecuacin y la diferencia entre ambos, es decir, el residuo de la estimacin. La forma en que se puede mostrar esta informacin es doble: en forma de tabla o en forma de grfico.a.- Regresin Simple:* Variable dependiente ( SUICIDIO ), la constante (c) y la variable independiente (GENEROSIDAD) La variable dependiente SUICIDIO, la constante toma el valor 0.324539 y ante un incremento de1 por parte de la variable GENEROSIDAD la cantidad de suicidios se aumentada en 0.625146.Medidas de bondad de ajuste: R2 = 0.723032 y el estadstico t de la GENEROSIDAD es 9.421150 este es un variable que parece significativa, La F-static pasa de 4 y la probabilidad es 0 de modo que podemos estar ante un modelo un variable que puede explicar bien al SUICIDIO, lo que da una probabilidad de 0.0000 de que dicha variable sea no significativa.Existe una Relacin directamente proporcional que si incrementamos la GENEROSIDAD, suicidios se incrementan que es una variable significativa por que pasa de 2 La Variable GENEROSIDAD explica el 7% de las Variaciones de los Suicidios, es un modelo Globalmente.

* variable dependiente (SUICIDIO ), la constante (c) y la variable independiente (divorcio)

La variable dependiente SUICIDIO, la constante toma el valor 34.53712 y ante un incremento de1 por parte de la variable Divorcios la cantidad de suicidios se ve reducida en 7.498195.Medidas de bondad de ajuste: R2 = 0.598714 y el estadstico t de la DIVORCIO es -7.122332 este es un variable que parece significativa, La F-static pasa de 4 y la probabilidad es 0 de modo que podemos estar ante un modelo un variable que puede explicar bien al SUICIDIO, lo que da una probabilidad de 0.0000 de que dicha variable sea no significativa.Existe una Relacin directamente proporcional que si incrementamos la DIVORCIO, suicidios se incrementan que es una variable significativa por que pasa de 2. La Variable DIVORCIO explica el 5% de las Variaciones de los Suicidios, es un modelo Globalmente. Variable dependiente (SUICIDIO), la constante (c) y la variable independiente (DESEMPLEO)

La variable dependiente SUICIDIO, la constante toma el valor 18.29285 y ante un incremento de1 por parte de la variable Desempleo la cantidad de suicidios se ve reducida en 0.368875.Medidas de bondad de ajuste: R2 = 0.129978 y el estadstico t de la Desempleo es -2.253766 este es un variable que parece significativa, La F-static pasa de 4 y la probabilidad es 0 de modo que podemos estar ante un modelo un variable que puede quizs explicar bien al SUICIDIO, lo que da una probabilidad de 0.030770 de que dicha variable sea no significativa.Existe una Relacin directamente proporcional que si incrementamos la Desempleo , suicidios se incrementan que es una variable significativa por que pasa de 2. La Variable DIVORCIO explica el 1% de las Variaciones de los Suicidios, es un modelo Globalmente. variable dependiente (SUICIDIO), la constante (c) y la variable independiente (Consumo de Alcohol)

La variable dependiente SUICIDIO, la constante toma el valor 12.79987 y ante un incremento de1 por parte de la variable CONSALCOH la cantidad de suicidios aumenta en 0.277059.Medidas de bondad de ajuste: R2 = 0.073660 y el estadstico t de la CONSALCOH es 1.644261 este es un variable que parece significativa, La F-static no pasa de 4 y la probabilidad es 0.109339 de modo que podemos estar ante un modelo un variable que no puede explicar bien al SUICIDIO, lo que da una probabilidad de 0.030770 de que dicha variable sea no significativa.Existe una Relacin directamente proporcional que si incrementamos la Desempleo, suicidios se incrementan que no es una variable significativa por que pasa no de 2. La Variable CONSALCOH explica el 7% de las Variaciones de los Suicidios, es un modelo Globalmente.

Regresin MultivariadaIs suicidio c generosidad divorcio desempleo consalcoh

Como puede verse, todas las variables tiene el signo esperado y son significativas al 5%. En este caso no es tan es importante tomar en cuenta el R2 ajustado, sin embargo este indicador es de mucha importancia en regresiones multivariadas, ya que se pueden estar incluyendo algunas variables que no son relevantes y por lo tanto se pierden grados de libertad. El test t nos indica todas las variables son significativas con un 5% de confianza.1. Un primer bloque, que aparece en la parte superior, y donde se recogen las caractersticas generales de la estimacin realizada, comenzando con la variable dependiente, en nuestro ejemplo, el mtodo de estimacin utilizado, mnimos cuadrados ordinarios (Least Squares), la fecha en la que se ha realizado la estimacin, el perodo muestra utiliza y el tamao muestra real (Incluye Observaciones) que en el ejemplo son 36 observaciones.2. El segundo bloque recoge la informacin individual sobre cada una de las variables explicativas, incluyendo el nombre de la variable el valor de coeficiente estimado (Coefficient), la desviacin tpica de dicho coeficiente estimado (Std. Error), el valor del estadstico t de Student (t-Statistic), y la probabilidad asociada a dicho estadstico (Prob.)3. Finalmente, el tercer bloque recoge una serie de estadsticos conjuntos de la estimacin realizada, comenzando, en la columna de la derecha, con el coeficiente de determinacin y su equivalente corregido por los grados de libertad (R-squared y Adjusted R-squared), el valor estimado de la desviacin tpica del error (S.E.of regression), la suma cuadrtica de residuos (Sum squared residual), el valor final del logaritmo de mxima verosimilitud (Log likelihood) y el estadstico de Durbin Watson (Durbin-Watson stat). En la columna de la izquierda aparece el valor medio y la desviacin tpica de la variable endgena (Mean y S.D. dependen var), los criterios de seleccin deAkaike y Schwart (Akaike y Schwartz criterion) y los valores del estadstico de contraste de significacin conjunta (F-statistic) y su correspondiente nivel de probabilidad asociado (Prob).Comenzaremos por constatar que tenemos un nmero de grados de libertad suficiente, comprobando que sobre un total de 36 observaciones (n) hemos estimado 3 parmetros (k) con lo que los grados de libertad del modelo (n k = 33) seran suficientes a efectos estadsticos.A continuacin realizaremos un anlisis individual de los coeficientes estimados, comprobando inicialmente que, si bien el coeficiente asociado a la variable de GENEROSIDAD presenta un signo positivo (0.527168), DIVORCIO (-4.215275) , DESEMPLEO (0.372893) y CONSALCOH(0.008863 ).acorde con la teora, Sin embargo, y como puede comprobarse por lo valores del estadstico t de las variables independientes ambas variables resultan significativas existiendo una probabilidad nula (Prob = 0.000) de rechazar la hiptesis nula siendo cierta, es decir que los verdaderos parmetros fuesen cero.El paso siguiente consistira en la evaluacin de los resultados conjuntos, comenzando con la evaluacin general de la capacidad explicativa del modelo que, de acuerdo con los estadsticos R2 y R2 corregido sera capaz de explicar en torno al 81% de la varianza de la variable endgena, resultado que inicialmente, no sera demasiado satisfactorio teniendo en cuenta las caractersticas de la variable endgena. Adicionalmente, y si observamos el valor del estadstico de Durbin Watson (0.734434), el modelo parece presentar problemas de auto correlacin en los residuos al estar dicho valor muy prximo a cero.Existe una Relacin directamente proporcional que si incrementamos el consumo de alcohol, Divorcio, Desempleo y Generosidad los suicidios se incrementan que es una variable significativa por que pasa de 2.

Aqu tenemos graficado la evolucin del suicidio con respecto a las variables independientes as mismo se verifica tendencias crecientes y decrecientes con respecto a cada variable independiente.

Modelo logartmico-lineallog(suicidio) c generosidad divorcio desempleo consalcoh

Su interpretacin depende la de naturaleza de la variable del modelo. Para nuestro caso utiliza utilizar series en logaritmo, los coeficientes representan la cantidad de suicidios.Si La GENEROSIDAD aumenta en 1% Los suicidios aumenta en 2.37% punto porcentual, El divorcio aumentan en 1% los suicidios disminuyen en 0.26% , el desempleo aumenta en 1% los suicidios aumentan en 0.021762 y el CONSALCOH aumenta el 1% los suicidios decremento en 0.004% . Y el modelo explica el 0.84%.STD.Error: Error estndar de los coeficientes estimar.t-Statistic: Valor del estadstico t, bajo la hiptesis individual que las variables (H0: ?i =0).Con t-k grados de libertad, Indica que la variable contribuye a explicar la variable endgena.Prob: Si los Valores son superiores al 5% (?=5%) no se rechaza la hiptesis (significativa la variable) nula y la variable exgena sirve para explicar el modelo. R squared: Es el R cuadrado de la ecuacin y representa el porcentaje de la variabilidad de la variable dependiente explicad por la variable independiente.Adjusted R-squared: Permite medir el incremento neto de R cuadrado, cuando se incluye un nuevo regresor.SE. Of regression: SCESum suared resid: SCR Log likelihood: Representa el valor de la funcin de verosimilitud en los parmetros, til para la interpretacin del ratio de verosimilitud.

Modelo exponencial-lineal

Su interpretacin depende la de naturaleza de la variable del modelo. Para nuestro caso utiliza utilizar series en exponentes, los coeficientes representan la cantidad de suicidios.Si La GENEROSIDAD aumenta en 1% Los suicidios disminuye en -1477908% este coeficiente por ser de gran cantidad estima no se utiliza punto porcentual, El divorcio aumentan en 1% los suicidios disminuyen en 2.17% , el desempleo aumenta en 1% los suicidios aumentan en 21345538 y el CONSALCOH aumenta el 1% los suicidios decremento 24252199 . Y el modelo explica el 0.45%.

Modelo cuadrtico-lineal:

Su interpretacin depende la de naturaleza de la variable del modelo. Para nuestro caso utiliza utilizar Variables al cuadrado, los coeficientes representan la cantidad de suicidios.Si La GENEROSIDAD aumenta en 1% Los suicidios disminuye en 15.20% punto porcentual, El divorcio aumentan en 1% los suicidios disminuyen en 138.3544% , el desempleo aumenta en 1% los suicidios aumentan en 12.89714 y el CONSALCOH aumenta el 1% los suicidios decremento 2.54% . Y el modelo explica el 78%