Descargue la base de datos "[Link]" de Canvas.
Cargue dicha base de datos a R con el
comando load().
Con el software R, corra una regresión lineal con dicha base de datos, donde la variable "y" sea
explicada por los regresores "weight", "age" y "sex".
El R cuadrado ajustado (o coeficiente de determinación ajustado) es igual a ... (responda con
cuatro decimales)
--------------------------------------------------------------------------------------------------------------------------
Considere la siguiente tabla, que resume varias regresiones lineales del paper "The biological
standard of living in La Paz (Bolivia), 1880s–1920s: Persistent stagnation and inequality", de
Branisa, Peres-Cajías y Caspa (2020).
Regresion paper [Link]
Considere el modelo 5. Calcule el estadístico t para la variable dicotómica "literate",
considerando un contraste bilateral con la hipótesis nula que el coeficiente beta de dicha
variable es igual a cero. Responda con dos decimales.
------------------------------------------------------------------------------------------------------------------------------
3. Descargue de Canvas la base de datos "[Link]" a su computadora. Cargue dicha base de
datos con el comando load(),
Se trata de datos de panel. Con el software R, y siguiendo lo aprendido en clase, corra con
dicha base de datos una regresión de efectos fijos a nivel de las firmas, donde la variable "y"
sea explicada por los regresores "x1", "x2".
Asumiendo homocedasticidad, el estadístico t que sirve para contrastar la significación del
parámetro "x2" es igual a ... (Responda con cuatro decimales)
------------------------------------------------------------------------------------------------------------------------------
4.6562
-----------------------------------------------------------------------------------------------------------------------------
Descargue de Canvas la base de datos "[Link]" a su computadora. Cargue dicha base de
datos a R con el comando load().
Siguiendo lo aprendido en clase, corra con el software R una regresión logit con dicha base de
datos, donde la variable binaria "y" sea explicada por los regresores "female" y "age".
Asumiendo heterocedasticidad (y la versión "HC3" de errores estándar robustos a la
heterocedasticidad), el p-valor que sirve para contrastar la significación del parámetro de
"female" es igual a ... (Responda con cuatro decimales)
1.
### donde la variable "y" sea explicada por los regresores "weight", "age" y "sex".
### El R cuadrado ajustado (o coeficiente de determinación ajustado) es igual a ...
Cargar el "[Link]" en Rstudio
modelo <- lm(y ~ weight + age + sex, data = df)
summary(modelo)
R. 0.2492
---------------------------------------------------------------------------
2.
#### Calcular el estadistico t , de "literate" B=1.59* y SE= 0.29 ####
t=B/SE
t=1.59/0.29
t=5.48275862068966
---------------------------------------------------------------------------
3.
# Cargar la base de datos
load("[Link]")
# Instalar y cargar el paquete plm (si no está instalado)
# [Link]("plm")
library(plm)
# Convertir el dataframe a una estructura de datos de panel
panel_data <- [Link](df, index = c("firmas", "tiempo"))
# Realizar una regresión de efectos fijos
modelo_fe <- plm(y ~ x1 + x2, data = panel_data, model = "within")
# Obtener el resumen del modelo
resumen_modelo_fe <- summary(modelo_fe)
# Obtener el estadístico t para el parámetro "x2"
estadistico_t_x2 <- resumen_modelo_fe$coefficients["x2", "t-value"]
# Imprimir el estadístico t con cuatro decimales
cat("El estadístico t para el parámetro 'x2' es:", format(estadistico_t_x2, digits = 4), "\n")
-----------------------------------------------------------------------------
4.
# Se trata de datos de panel. Con el software R, y siguiendo lo aprendido en clase, corra con
dicha base de datos una regresión de efectos fijos a nivel de las firmas, donde la variable "y"
sea explicada por los regresores "x1", "x2".
# Asumiendo homocedasticidad, el estadístico t que sirve para contrastar la significación del
parámetro "x2" es igual a ...
Cargar el "[Link]" en Rstudio
summary(df)
model <- glm(y ~ female + age, data = df, family = "binomial")
summary(model)
----------------------
[Link]("lmtest")
library(lmtest)
----------------------
robust_se <- coeftest(model, vcov = vcovHC(model, type = "HC3"))
p_value_female <- robust_se[2, "Pr(>|z|)"]
p_value_female
"p_value_female"
0.02117171
---------------------------------------------------------------------
"female" "Cuidado con esto - te esta pidiendo el "famele" "El parametro" "
R. 0.019329
--------------------------------------------------------------------------