Econometría
Regresión lineal múltiple por MCO, con variables dummy e interacciones, errores estándar robustos, batería de diagnósticos y análisis de influencia.
El modelo lineal múltiple
Cada βⱼ es el efecto de Xⱼ manteniendo lo demás constante (ceteris paribus). El t y su p prueban H₀: βⱼ = 0; la F la significancia global. Bajo heterocedasticidad conviene usar errores robustos (White). Los supuestos de Gauss-Markov se revisan con los diagnósticos.
Manual de utilización del módulo
¿Qué hace este módulo? Ajusta un modelo que explica una variable a partir de varias (regresión lineal múltiple) y revisa si cumple los supuestos estadísticos.
¿Cómo se usa? Elige la variable dependiente Y, marca las explicativas numéricas y/o categóricas (se convierten en dummies), añade interacciones si quieres, elige la forma funcional y si usar errores robustos, y pulsa «Estimar por MCO».
¿Cómo se interpretan los resultados? Cada coeficiente es el efecto de esa variable manteniendo las demás fijas (ceteris paribus); mira su p-valor (significativo si < 0,05). El R² y la prueba F miden el ajuste global. Los diagnósticos (VIF, Breusch-Pagan, Durbin-Watson, Jarque-Bera, RESET) avisan con ⚠ cuando se viola un supuesto. La distancia de Cook marca observaciones influyentes.
Símbolos: βⱼ coeficiente · EE error estándar · dummy variable 0/1 · VIF multicolinealidad (>10 grave) · elasticidad (log-log).
1 Especificación del modelo
Interpretación
Resultados de la estimación
| Variable | Coef. β | Error est. | t | p-valor | Sig. | β estand. | IC inf. | IC sup. |
|---|
Diagnóstico de supuestos
| Prueba | Qué evalúa | Estadístico | Resultado |
|---|