Sesión 18 (A) — Leer una tabla de resultados: contrastes \(t\) e intervalos con datos reales

Índice

Descripción de la práctica

La lección 12 construyó tres herramientas (el error estándar, el intervalo de confianza y el contraste \(t\)) y dedicó su segunda mitad a leer una tabla de resultados. Hoy se aplican esas tres herramientas a datos reales y se lee la tabla de resultados que muestra el programa.

Retomamos hprice2 y la regresión price ~ rooms, el ajuste que estimamos por primera vez en la práctica que siguió a la lección 8 (actividad 2 (html)) y que sirvió de ``mundo verdadero'' en la práctica A de la sesión 16 (actividad 1 (html)). Hoy, además de estimar los coeficientes de esa regresión, medimos la precisión con que quedan estimados.

Trabajamos con datos reales porque el objetivo de esta práctica es la lectura: aprender a distinguir, en una salida de Gretl en español, qué número responde a qué pregunta. La verificación con datos simulados (¿cubre de verdad el intervalo el \(95\%\) de las veces?) es el asunto de la práctica C (html) de esta misma sesión.

Objetivos

  1. Leer las cuatro columnas de una tabla de resultados e identificar, en la salida en español, las tres cantidades que Gretl rotula como ``desviación típica''.
  2. Reconstruir a mano, con los accesores de Gretl, el error estándar, el estadístico \(t\), el valor \(p\) y el intervalo de confianza, y comprobar que coinciden con la tabla.
  3. Verificar sobre datos reales la identidad de la lección 12 para un modelo lineal simple, \(t^2=(n-k)\,\mathrm{SEC}/\mathrm{SRC}\), y reconocer en ella el \(F\) que Gretl imprime al pie de la tabla.
  4. Contrastar una hipótesis distinta de \(\beta_2=0\) y ver que el intervalo de confianza ya contenía la respuesta.
  5. Repetir la estimación con doce viviendas para ver qué cambia, y qué no, cuando hay pocas observaciones.

Comandos nuevos de esta práctica. Seguimos usando ols y sus accesores $coeff, $ess y $rsq (práctica A de la sesión 11, actividad 3 (html)), $nobs (actividad 1 (html) de la práctica B de la sesión 7), $Fstat (el estadístico \(F\) del pie de la tabla, actividad 7 (html) de la práctica D de la sesión 14), $df (sesión 16), set seed (práctica B de la sesión 7, también en su actividad 1), smpl n --random (elegir al azar n observaciones, actividad 1 (html) de la práctica B de la sesión 16), smpl full (volver a la muestra completa, actividad 6 (html) de la práctica A de la sesión 14) y printf con sus formatos (actividad 4 (html) de la práctica A de la sesión 7). Lo nuevo:

$stderr(x)
error estándar del coeficiente de x en el último modelo estimado. Con el nombre entre paréntesis devuelve un número; sin argumento, el vector con todos, igual que $coeff.
$sigma
la desviación típica de la regresión del último modelo, \(\mathfrak s=\sqrt{\mathrm{SRC}/(n-k)}\).
critical(t, gl, p)
el valor de la \(t\) con gl grados de libertad que deja probabilidad p a su derecha. Para un contraste bilateral al \(5\%\) se pide p = 0.025.
pvalue(t, gl, x)
la probabilidad de que una \(t\) con gl grados de libertad supere x. El valor \(p\) bilateral es el doble de la de \(|t|\).
restrict ... end restrict
bloque que contrasta una restricción lineal sobre los coeficientes del último modelo; b[2] es el segundo coeficiente.
(condición ? "sí" : "no")
expresión que vale el primer texto si la condición se cumple y el segundo si no; && es la conjunción «y» entre dos condiciones.
%d y %.3g
formatos de printf para un entero y para un número con tres cifras significativas; %% imprime el signo de tanto por ciento.

Actividad 1 - La tabla de resultados y sus cuatro columnas

Abra hprice2 y estime la regresión de price sobre rooms: en la ventana principal, Modelo -> Mínimos cuadrados ordinarios, con price como variable dependiente y rooms como regresor.

open abre hprice2 y ols price const rooms estima por mínimos cuadrados la regresión de price sobre la constante y rooms, como en la práctica B de la sesión 11 (actividad 2 (html)), e imprime la tabla completa.

o bien teclee en línea de comandos:

open hprice2.gdt --quiet
ols price const rooms
Modelo 1: MCO, usando las observaciones 1-506
Variable dependiente: price

             coeficiente   Desv. típica   Estadístico t   valor p 
  ----------------------------------------------------------------
  const       -34796,2       2651,53         -13,12       4,74e-34 ***
  rooms         9119,55       419,339         21,75       1,87e-74 ***

Media de la vble. dep.  22511,51   D.T. de la vble. dep.   9208,856
Suma de cuad. residuos  2,21e+10   D.T. de la regresión    6620,865
R-cuadrado              0,484110   R-cuadrado corregido    0,483086
F(1, 504)               472,9521   Valor p (de F)          1,87e-74
Log-verosimilitud      -5168,759   Criterio de Akaike      10341,52
Criterio de Schwarz     10349,97   Crit. de Hannan-Quinn   10344,83

Lo que debe observar

La tabla tiene, para cada regresor, las cuatro columnas de la lección 12 (html), y conviene leerlas en el orden en que responden preguntas:

  • Coeficiente: el tamaño del efecto, en las unidades del problema. Aquí, \(\hat\beta_2=9\,119{,}55\): en el ajuste, a una habitación más le corresponden unos \(9\,120\) dólares más de precio mediano.
  • Desv. típica: el error estándar \(\mathrm{ee}(\hat\beta_2)=419{,}34\). Es la columna que dice con cuánta precisión se ha medido el coeficiente.
  • Estadístico \(t\): el cociente de las dos anteriores, \(9\,119{,}55/419{,}34=21{,}75\). Cuántos errores estándar separan al coeficiente de cero.
  • Valor \(p\): la probabilidad de un \(\vert t\vert\) al menos así de grande si \(\beta_2\) fuese cero. Aquí es del orden de \(10^{-74}\).

La lección 12 avisó de un problema con los nombres. Busque en la tabla la palabra ``típica'' o la abreviatura ``D.T.'': aparece tres veces, para tres cantidades distintas.

Etiqueta en la salida Qué es Valor aquí
D.T. de la vble. dep. dispersión de los datos de price: \(\sqrt{\mathrm{STC}/(n-1)}\) \(9\,208{,}9\)
D.T. de la regresión \(\mathfrak s=\sqrt{\mathrm{SRC}/(n-k)}\): estimación de la desviación típica de la perturbación \(6\,620{,}9\)
Desv. típica (de rooms) \(\mathrm{ee}(\hat\beta_2)\): estimación de la desviación típica del estimador \(\hat\beta_2\) \(419{,}3\)

En inglés solo la primera es standard deviation; las otras dos son standard error. Al leer una salida en español, identifíquelas por su posición, no por su nombre.

Actividad 2 - La tabla, reconstruida a mano

Todos los números de la tabla salen de las fórmulas de la lección 12 y de cantidades que ya sabíamos calcular. Vamos a rehacerlos uno a uno con los accesores de Gretl (los objetos que empiezan por $ y que conocemos desde la práctica (html) que siguió a la lección 8) y a comprobar que coinciden.

El bloque de código de más abajo guarda en escalares las piezas de la lección 12 y las compara con lo que imprime Gretl: n y k; SRC con el accesor $ess; STC, despejada de \(R^2=1-\mathrm{SRC}/\mathrm{STC}\) con $rsq; SEC por diferencia; s, la raíz de la cuasivarianza; Lx, la longitud euclídea del regresor en desviaciones (raíz de la suma de cuadrados, actividad 4 (html) de la práctica A de la sesión 7); ee, su cociente; b2 con $coeff(rooms); el estadístico tst; el valor crítico con critical y el valor \(p\) con pvalue. Los printf imprimen cada pieza junto a la de Gretl ($sigma y $stderr(rooms)), y el último construye el intervalo con sus dos extremos, \(\hat\beta_2\mp t_c\,\mathrm{ee}\).

en línea de comandos:

scalar n   = $nobs
scalar k   = 2                                   # regresores, constante incluida
scalar SRC = $ess                                # suma de cuadrados de los residuos
scalar STC = SRC/(1 - $rsq)                      # Gretl no da STC directamente; R^2 = 1 - SRC/STC
scalar SEC = STC - SRC
scalar s   = sqrt(SRC/(n-k))                     # raiz de la cuasivarianza de los residuos
scalar Lx  = sqrt(sum((rooms - mean(rooms))^2))  # longitud euclidea de x - xbar
scalar ee  = s/Lx                                # error estandar: longitud del residuo por unidad de longitud del regresor
scalar b2  = $coeff(rooms)
scalar tst = b2/ee
scalar tc  = critical(t, n-k, 0.025)             # valor critico al 5%, dos colas
scalar p   = 2*pvalue(t, n-k, abs(tst))          # valor p bilateral

printf "n - k                        = %d\n", n-k
printf "s  (D.T. de la regresion)    = %.4f   Gretl: %.4f\n", s, $sigma
printf "||x - xbar||                 = %.4f\n", Lx
printf "ee(b2) = s/||x - xbar||      = %.4f   Gretl: %.4f\n", ee, $stderr(rooms)
printf "t = b2/ee                    = %.4f\n", tst
printf "valor critico t_c (5%%)       = %.4f\n", tc
printf "valor p                      = %.3g\n", p
printf "IC 95%%: [%.2f ; %.2f]\n", b2 - tc*ee, b2 + tc*ee
n - k                        = 504
s  (D.T. de la regresion)    = 6620,8652   Gretl: 6620,8652
||x - xbar||                 = 15,7888
ee(b2) = s/||x - xbar||      = 419,3385   Gretl: 419,3385
t = b2/ee                    = 21,7475
valor critico t_c (5%)       = 1,9647
valor p                      = 1,87e-74
IC 95%: [8295,68 ; 9943,42]

Lo que debe observar

Las líneas de \(\mathfrak s\), del error estándar, de \(t\) y del valor \(p\) reproducen números de la tabla; las demás son piezas intermedias o el intervalo, que la tabla no da. Fíjese en particular en el error estándar: es la \(\mathfrak s\) de la lección 11 (html) dividida por la longitud del regresor en desviaciones, \(\|\boldsymbol x-\boldsymbol{\mathop{\overline x}}\|_e\), la norma euclídea (lección 2) del vector en desviaciones de la lección 4. Es la ``longitud del residuo por unidad de longitud del regresor en desviaciones'' de la lección 12 (html).

También puede obtener el intervalo desde los menús: en la ventana del modelo estimado, Análisis -> Intervalos de confianza para los coeficientes. Compruebe que coincide con el calculado.

Actividad 3 - La identidad de la lección 12, y el \(F\) del pie de la tabla

La lección 12 (html) demostró que, en un modelo lineal simple, el estadístico \(t\) se calcula con los dos catetos del triángulo de la lección 8 (html): \[ t^2=(n-k)\,\frac{\mathrm{SEC}}{\mathrm{SRC}}=(n-k)\,\frac{R^2}{1-R^2}. \] Comprobémoslo con \(n-k\), \(\mathrm{SEC}\) y \(\mathrm{SRC}\), que la Actividad 2 guardó en escalares.

Esta actividad usa dos cosas que la lección 13 presentará con detalle: el estadístico \(F\) que Gretl imprime al pie de la tabla y el comando restrict, que aparece al final de la actividad. Aquí basta con leer los dos como una segunda forma de contrastar \(H_0\!:\beta_2=0\), la misma hipótesis que contrasta el \(t\) de la tabla. Que el \(F\) de Gretl sea exactamente \(t^2\), y no solo un número parecido, es una identidad entre estadísticos: apéndice, secciones 5.4 (html) y 10.

El bloque de código de más abajo comprueba la identidad con tres printf sobre los escalares guardados en la Actividad 2. El primero compara la raíz de \((n-k)\,\mathrm{SEC}/\mathrm{SRC}\) con \(t\), y el segundo compara \((n-k)\,R^2/(1-R^2)\) con \(t^2\): son las dos igualdades de la fórmula anterior. El tercero muestra el \(F\) que Gretl guarda en $Fstat, para compararlo con \(t^2\).

en línea de comandos:

printf "sqrt((n-k)*SEC/SRC)   = %.4f    t   = %.4f\n", sqrt((n-k)*SEC/SRC), tst
printf "(n-k)*R2/(1-R2)       = %.4f    t^2 = %.4f\n", (n-k)*$rsq/(1-$rsq), tst^2
printf "F(1, %d) del pie de la tabla = %.4f\n", n-k, $Fstat
sqrt((n-k)*SEC/SRC)   = 21,7475    t   = 21,7475
(n-k)*R2/(1-R2)       = 472,9521    t^2 = 472,9521
F(1, 504) del pie de la tabla = 472,9521

El mismo contraste se obtiene desde los menús: en la ventana del modelo, Contrastes -> Restricciones lineales, escriba b[2] = 0 y acepte.

El bloque restrict contrasta la restricción escrita en su interior sobre el último modelo estimado: b[2] = 0 dice que el segundo coeficiente, el de rooms, es cero. Gretl imprime el estadístico \(F\) de la restricción y su valor \(p\).

o bien teclee en línea de comandos:

restrict
    b[2] = 0
end restrict
Restricción:
 b[rooms] = 0

Estadístico de contraste: F(1, 504) = 472,952, con valor p = 1,86879e-74

Estimaciones restringidas:

            coeficiente  Desv. típica  Estadístico t   valor p  
  --------------------------------------------------------------
  const     22511,5       409,384          54,99       2,45e-215 ***
  rooms         0,00000     0,00000        NA         NA        

  Desviación típica de la regresión = 9208,86

Lo que debe observar

Las dos vías dan el mismo \(t\), y \(t^2\) coincide con el F(1, 504) que Gretl imprime al pie de toda tabla de regresión. Ese \(F\) es el cociente entre \(\mathrm{SEC}\) y \(\mathrm{SRC}\), cada una dividida por sus grados de libertad (lección 11 (html)): \(\mathrm{SRC}\) por los del residuo, \(n-k=504\), y \(\mathrm{SEC}\) por los del ajuste, \(k-1=1\), uno por regresor no constante (la lección 12 ya dividía por ese \(1\)). Con un solo regresor no constante es \(t^2\). La lección 13 usará el estadístico \(F\) para contrastar una hipótesis conjunta: que varios coeficientes valgan cero a la vez.

El bloque restrict da el mismo número por otro camino: \(F(1,504)=472{,}952\), que es \(t^2\) (con el \(t\) redondeado, \(21{,}7475^2=472{,}95\)), con el valor \(p\) de la fila de rooms en la tabla, del orden de \(10^{-74}\). Gretl escribe b[rooms] donde usted tecleó b[2]. Debajo, Gretl estima el modelo con la restricción impuesta, es decir, sin rooms (de ahí los NA de su fila): la constante es la media de price, \(22\,511{,}5\), y la desviación típica de esa regresión, \(9\,208{,}86\), es la D.T. de la vble. dep. de la tabla de la Actividad 1. La lección 13 explicará esa segunda tabla.

Actividad 4 - Contrastar contra un valor distinto de cero

Que datos como estos serían muy raros con \(\beta_2=0\) ya lo sabíamos. Otra pregunta es, por ejemplo: si una habitación valiese diez mil dólares, ¿serían datos como estos demasiado raros? Es decir, \(H_0\!:\beta_2=10\,000\) frente a \(H_1\!:\beta_2\neq10\,000\).

Fijamos el valor hipotético c, calculamos el estadístico \(t\) restándolo al coeficiente y dividiendo por el error estándar, su valor \(p\) bilateral, y un segundo valor crítico al \(1\%\) (0.005 en cada cola). Los printf usan una expresión condicional, (condición ? "se rechaza" : "no se rechaza"), que imprime un texto u otro según se cumpla la condición; && une las dos desigualdades que definen «estar dentro del intervalo».

en línea de comandos:

scalar c    = 10000
scalar t_c0 = (b2 - c)/ee
scalar p_c0 = 2*pvalue(t, n-k, abs(t_c0))
scalar tc1  = critical(t, n-k, 0.005)            # valor critico al 1%, dos colas

printf "H0: beta_2 = %d\n", c
printf "t = (b2 - c)/ee        = %.4f\n", t_c0
printf "valor p                = %.4f\n", p_c0
printf "t_c al 5%%              = %.4f   ->  %s\n", tc,  (abs(t_c0) > tc  ? "se rechaza" : "no se rechaza")
printf "t_c al 1%%              = %.4f   ->  %s\n", tc1, (abs(t_c0) > tc1 ? "se rechaza" : "no se rechaza")
printf "IC 95%%: [%.2f ; %.2f]   ¿contiene a %d?  %s\n", b2 - tc*ee,  b2 + tc*ee,  c, (b2 - tc*ee  <= c && c <= b2 + tc*ee  ? "si" : "no")
printf "IC 99%%: [%.2f ; %.2f]   ¿contiene a %d?  %s\n", b2 - tc1*ee, b2 + tc1*ee, c, (b2 - tc1*ee <= c && c <= b2 + tc1*ee ? "si" : "no")
H0: beta_2 = 10000
t = (b2 - c)/ee        = -2,0996
valor p                = 0,0363
t_c al 5%              = 1,9647   ->  se rechaza
t_c al 1%              = 2,5856   ->  no se rechaza
IC 95%: [8295,68 ; 9943,42]   ¿contiene a 10000?  no
IC 99%: [8035,30 ; 10203,80]   ¿contiene a 10000?  si

Lo que debe observar

El estadístico vale \(-2{,}10\): la estimación está algo más de dos errores estándar por debajo de \(10\,000\). Al \(5\%\) eso basta para rechazar (\(\vert t\vert>1{,}96\)); al \(1\%\) no (\(\vert t\vert<2{,}59\)). El veredicto depende del nivel, y por eso el valor \(p\), \(0{,}036\), informa más que cualquiera de los dos veredictos.

Ahora mire los intervalos: el de \(95\%\) deja fuera a \(10\,000\) y el de \(99\%\) lo contiene. Es la equivalencia exacta de la lección 12 (html): un valor queda fuera del intervalo al \(1-\alpha\) si y solo si el contraste contra ese valor se rechaza al nivel \(\alpha\). El intervalo ya contenía la respuesta a esta pregunta, y a cualquier otra de la forma ``¿se rechaza \(\beta_2=c\)?'', antes de que la formuláramos. Pruebe en clase otros valores de \(c\): el intervalo le dirá el resultado antes de calcular nada.

Actividad 5 - La misma regresión con doce viviendas

Las actividades anteriores usan las \(506\) observaciones. ¿Qué cambia si solo tuviéramos una docena? Tomamos doce viviendas al azar1 y repetimos.

smpl 12 --random reduce la muestra a doce observaciones elegidas al azar. set seed fija la semilla del generador de números aleatorios de Gretl: con la misma semilla, el sorteo elige siempre las mismas doce filas. La fijamos para que su ejecución del código reproduzca la salida de este documento. Mientras la muestra está reducida, ols y los accesores usan solo esas doce viviendas: $nobs (el número de observaciones) vale \(12\) y $df (los grados de libertad del residuo, \(n-k\)) vale \(10\). Los printf comparan el valor crítico y el intervalo de confianza con los de la muestra completa, que la Actividad 2 guardó en tc, b2 y ee. Al terminar, la orden smpl full devuelve la muestra completa.

en línea de comandos:

set seed 20261107                                # para que todos obtengamos las mismas doce
smpl 12 --random
ols price const rooms
scalar tc12 = critical(t, $df, 0.025)
printf "\nn = %d,  grados de libertad = %d,  t_c al 5%% = %.3f  (con 506 viviendas era %.3f)\n", $nobs, $df, tc12, tc
printf "IC 95%% con 12 viviendas : [%.1f ; %.1f]\n", $coeff(rooms) - tc12*$stderr(rooms), $coeff(rooms) + tc12*$stderr(rooms)
printf "IC 95%% con 506 viviendas: [%.1f ; %.1f]\n", b2 - tc*ee, b2 + tc*ee
smpl full
Modelo 2: MCO, usando las observaciones 1-12
Variable dependiente: price

             coeficiente   Desv. típica   Estadístico t   valor p
  ---------------------------------------------------------------
  const       -46925,4       25791,1         -1,819       0,0989  *
  rooms        10927,6        4056,86         2,694       0,0226  **

Media de la vble. dep.  22291,75   D.T. de la vble. dep.   9560,430
Suma de cuad. residuos  5,83e+08   D.T. de la regresión    7633,254
R-cuadrado              0,420475   R-cuadrado corregido    0,362523
F(1, 10)                7,255519   Valor p (de F)          0,022560
Log-verosimilitud      -123,2166   Criterio de Akaike      250,4331
Criterio de Schwarz     251,4029   Crit. de Hannan-Quinn   250,0741


n = 12,  grados de libertad = 10,  t_c al 5% = 2,228  (con 506 viviendas era 1,965)
IC 95% con 12 viviendas : [1888,3 ; 19966,8]
IC 95% con 506 viviendas: [8295,7 ; 9943,4]

Después de comprobar las cifras, repita el sorteo con otras viviendas: borre la línea set seed del bloque anterior (o escriba # delante de ella) y ejecute el bloque varias veces. Cada ejecución elige otras doce filas.

Lo que debe observar

Con estas doce viviendas el coeficiente sigue siendo significativo: \(\vert t\vert=2{,}69\) frente a un valor crítico de \(2{,}23\). Si solo mirase el asterisco, concluiría lo mismo que con quinientas. Pero mire el intervalo: va de unos \(1\,900\) a casi \(20\,000\) dólares por habitación, once veces más ancho que el de la muestra completa. Es la situación que la lección 12 describió con el panel izquierdo de su figura (html): significativo, e informativo de casi nada.

Han cambiado tres cosas: el coeficiente estimado (\(10\,928\) frente a \(9\,120\)), el error estándar y el valor crítico. El error estándar es \(9{,}7\) veces mayor (\(4\,057\) frente a \(419\)), porque la longitud del regresor en desviaciones es \(8{,}4\) veces menor (\(\mathfrak s/\mathrm{ee}=7\,633/4\,057=1{,}88\), despejada de \(\mathrm{ee}=\mathfrak s/\|\boldsymbol x-\boldsymbol{\mathop{\overline x}}\|_e\), frente a \(15{,}79\)) y \(\mathfrak s\) es \(1{,}15\) veces mayor (\(7\,633\) frente a \(6\,621\)). El valor crítico es \(2{,}23\) con \(10\) grados de libertad frente a \(1{,}96\) con \(504\): con menos grados de libertad el valor crítico es mayor. No ha cambiado el parámetro \(\beta_2\), que es el mismo se muestreen las viviendas que se muestreen: lo que cambia de un sorteo a otro es su estimación, como muestra el párrafo siguiente.

Sin la semilla, cada ejecución del bloque da otra estimación. El valor crítico no cambia: \(2{,}23\) depende solo de los diez grados de libertad del residuo. El coeficiente de rooms y su intervalo sí cambian. En \(2\,000\) ejecuciones nuestras, nueve de cada diez coeficientes quedaron entre \(1\,800\) y \(14\,900\) dólares; nueve de cada diez intervalos fueron entre cuatro y quince veces más anchos que el de la muestra completa, y ninguno fue más estrecho; y una de cada cuatro ejecuciones dio \(\vert t\vert<2{,}23\): con esas doce viviendas no se rechaza que \(\beta_2\) sea cero. El rechazo depende de qué doce viviendas salgan; el intervalo ancho aparece con todas.

Preguntas de interpretación para la clase

  1. En la salida de la Actividad 1 aparecen tres cantidades rotuladas como ``desviación típica''. ¿Cuál de ellas tendería a cero si dispusiéramos de muchas más viviendas con la misma relación entre precio y habitaciones, y cuáles se estabilizarían en torno a un valor? Razónelo con las fórmulas.
  2. En la Actividad 2 el error estándar resultó ser \(\mathfrak s/\|\boldsymbol x-\boldsymbol{\mathop{\overline x}}\|_e\). Si en lugar de rooms usáramos rooms medido en decenas de habitaciones, ¿qué le pasaría a cada uno de los dos factores? ¿Y al estadístico \(t\)?
  3. La Actividad 3 mostró que, en un modelo lineal simple, \(t^2\) coincide con el \(F\) del pie de la tabla. ¿Qué hay en ese \(F\) que no estuviera ya en el \(R^2\)?
  4. En la Actividad 4 el mismo dato lleva a ``rechazar'' al \(5\%\) y a ``no rechazar'' al \(1\%\). ¿Es eso una contradicción? ¿Qué diría un lector que solo conociera el intervalo al \(95\%\), y qué le faltaría por saber?
  5. En la Actividad 5 el coeficiente sigue siendo significativo con doce viviendas. Un compañero concluye que ``entonces con doce viviendas basta''. ¿Qué le respondería, con el intervalo en la mano?

Para profundizar

Código completo de la práctica

Respuestas

  1. Las tres ``desviaciones típicas'' y el tamaño muestral. La desviación típica de la variable dependiente (\(\sqrt{\mathrm{STC}/(n-1)}\)) y la de la regresión (\(\mathfrak s=\sqrt{\mathrm{SRC}/(n-k)}\)) describen la dispersión de los datos y de la perturbación: con más viviendas de la misma ciudad, ambas se estabilizarían en torno a un valor, sin tender a cero, porque miden algo que existe en la población (cuánto varían los precios; cuánto se separan los precios de la recta). El error estándar del coeficiente, en cambio, es \(\mathfrak s/\|\boldsymbol x-\boldsymbol{\mathop{\overline x}}\|_e\), y su denominador crece con el número de observaciones (más sumandos en \(\sum_i(x_i-\mu_{\boldsymbol x})^2\)): con más datos, el error estándar se reduce hacia cero. Esa es la diferencia entre una dispersión de datos y una dispersión de un estimador, y es la razón por la que compartir etiqueta confunde.
  2. Cambio de unidades en el regresor. Si \(\boldsymbol x\) se mide en decenas de habitaciones, el vector es \(\boldsymbol x/10\) y su longitud en desviaciones se divide por diez (homogeneidad de la norma, lección 2). \(\mathfrak s\) no cambia, porque el ajuste, y por tanto el residuo, es el mismo: solo cambia el valor de la pendiente, que pasa a ser \(10\hat\beta_2\). Así que el error estándar se multiplica por diez, igual que el coeficiente, y el cociente \(t\) se conserva. Es la pregunta 10 de la lección 12, y la actividad 4 (html) de la práctica B de hoy la ejecuta con números.
  3. Qué hay en \(F\) que no esté en \(R^2\). El factor \(n-k\), y nada más. El \(F\) de una regresión simple es \((n-k)\,R^2/(1-R^2)\): el mismo cociente de catetos, multiplicado por los grados de libertad del residuo. Por eso un \(R^2\) de \(0{,}48\), modesto, viene acompañado de un \(F\) de \(473\): con quinientas observaciones, un \(R^2\) modesto (un ángulo de unos \(46^\circ\) entre el regresando y el regresor, los dos en desviaciones) da un \(F\) grande.
  4. Rechazar al \(5\%\) y no al \(1\%\). No es una contradicción: son dos exigencias distintas ante los mismos datos, y el valor \(p=0{,}036\) las resume a las dos: es más pequeño que \(0{,}05\) y más grande que \(0{,}01\). Quien solo tuviera el intervalo al \(95\%\) vería que \(10\,000\) queda fuera y concluiría correctamente ``se rechaza al \(5\%\)''; lo que no podría saber sin más cálculos es si también se rechazaría al \(1\%\). Para eso necesitaría el valor \(p\), o bien el intervalo al \(99\%\), que aquí sí contiene a \(10\,000\). El intervalo y el contraste contienen la misma información, pero un intervalo a un solo nivel da solo la parte que corresponde a ese nivel.
  5. ``Con doce viviendas basta''. Basta para rechazar que el efecto sea cero, que es una hipótesis poco informativa: nadie discutía que las casas con más habitaciones valgan más. No basta para nada más: el intervalo, de unos \(1\,900\) a casi \(20\,000\) dólares por habitación, no descarta que una habitación valga la mitad que en la estimación completa ni que valga el doble. Significación no es precisión.

Notas al pie de página:

1

Al azar es esencial: hprice2 viene ordenado por distritos, de modo que las doce primeras filas son vecinas entre sí y anómalamente parecidas. Con smpl 1 12 el resultado no mostraría lo que ocurre con doce viviendas cualesquiera, como ya se advirtió en la práctica B de la sesión 16 (actividad 1 (html)); smpl 12 --random elige doce filas cualesquiera.

Autor: Marcos Bujosa

Created: 2026-11-19 jue 00:17