Dedicatoria

El presente trabajo est dedicado al docente del curso, por contribuir a nuestra formacin como futuros profesionales y a los autores que hicieron posible su realizacin.

INTRODUCCIN

El presente trabajo se basa en el estudio de un modelo de regresin Multivariable. Se proceder a analizar y evaluar diferentes modelos, tales como: modelo lineal, modelo semi-logaritmico (en sus dos variantes), modelo doble logartmico y modelo inverso, de los cuales se tendr que elegir el que posea ms variables significativas. Para eso se ha completado una data que contiene informacin sobre el nmero de Postulantes as como de Ingresantes, Matriculados, Graduados, Titulados, No Docentes y Docentes de todas las universidades del pas, tanto del sector pblico como del sector privado, que va desde el ao 1985 hasta el ao 2008. Para solucionarnos un poco la complejidad del presente trabajo; utilizamos software especial para este tipo de anlisis; como es el caso del EVIEW, que es un paquete estadstico para Microsoft Windows usado principalmente para anlisis economtrico que combina la tecnologa de hoja de clculo empleando una interfaz de usuario grfica. Bsicamente la evaluacin estadstica del modelo implica analizar su bondad de ajuste, error de estimacin, su idoneidad y realizar la inferencia de la significancia estadstica de los coeficientes de regresin parcial de la variable explica adems de pronosticar los aos posteriores.

UNIVERSIDADES PRIVADAS DEL PERU

1. MODELO LINEAL (Y = C(0) + C(1)X1 + C(2)X2 + )
1.1 Ingreso de datos Eviews:
Cuadro n 01

Usar nivel de significancia: = 5% =0.05 Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110 Formular las Pruebas de Hiptesis: Ho: B j=0 (La variable que acompaa al parmetro no tiene significancia estadstica). H1: Bj 0 (La variable que acompaa al modelo tiene significancia estadstica).

1.2 Estimacin del Modelo:

Cuadro n 02

1.3 Eliminando Variables No Significativas:

Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-6) = 2.110 Del cuadro n 02 observamos que la variable independiente GRADUADOS es la nica que posee significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.004 < 0.05) Su Tcalculado es mayor que el Ttabla. (3.360 > 2.110) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable INGRESANTES porque es la variable que tiene mayor probabilidad.

Cuadro n 03

Siendo n = 24 y p =6
Ttabla= T/2,(n-p) = T/2,(24-6) = 2.101 Del cuadro n 03 observamos que las variables independientes MATRICULADOS Y GRADUADOS son las nicas que tienen significancia estadstica individual: Su probabilidades son menores que el nivel de significancia. (0.016 < 0.05) y (0.002<0.05) Su Tcalculado es mayor que el Ttabla. (2.667 > 2.101) y (3.547>2.101) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable DOCENTES porque es la variable que tiene mayor probabilidad.

Cuadro n 04

Siendo n = 24 y p =5 Ttabla= T/2,(n-p) = T/2,(24-5) = 2.1093 Del cuadro n 04 observamos que la variables independientes GRADUADOS Y NO_DOCENTES son las nicas variables que tienen significancia estadstica individual: Su probabilidades son menores que el nivel de significancia. (0.0004 < 0.05) y (0.0013<0.05) Su Tcalculado es mayor que el Ttabla. (4.241 > 2.101) y (3.771>2.101) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable POSTULANTES porque es la variable que tiene mayor probabilidad.

1.4 Modelo Final (Variables Independientes Significativas)

Cuadro n 05

Despus de todo el proceso de anlisis de significancia individual para cada una de las variables utilizadas en el modelo inicial (cuadro n2) concluimos que, para que el modelo sea significativo globalmente e individualmente tendremos que quedarnos solo con tres variables (cuadro n5), las cuales son: MATRICULADOS, GRADUADOS Y NO_DOCENTES.

2. MODELO SEMI-LOGARTMICO (LnY = C(0) + C(1)X1 + C(2)X2 + )

2.1 Ingreso de datos Eviews:
Cuadro n 01

Usar nivel de significancia: = 5% =0.05 Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110 Formular las Pruebas de Hiptesis: Ho: B j=0 (La variable que acompaa al parmetro no tiene significancia estadstica). H1: Bj 0 (La variable que acompaa al modelo tiene significancia estadstica).

2.2 Estimacin del Modelo:

Cuadro n 02

2.3 Eliminando Variables No Significativas:

Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110 Del cuadro n 2 observamos que las variables independientes POSTULANTES Y GRADUADOS son las nicas que tienen significancia estadstica individual: Sus probabilidades son menores que el nivel de significancia. (0.037 < 0.05) y (0.000<0.05) Su Tcalculado es mayor que el Ttabla. (2.269> 2.110) y (4.264>2.110) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable DOCENTES porque es la variable que tiene mayor probabilidad.

Cuadro n 03

Siendo n = 24 y p =5 Ttabla= T/2,(n-p) = T/2,(24-5) = 2.093 Observamos que la variables independientes POSTULANTES, GRADUADOS Y NO_DOCENTES son las nicas variables que tienen significancia estadstica individual: Su probabilidades son menores que el nivel de significancia. (0.013 < 0.05) ,(0.000<0.05) y (0.014<0.05) Su Tcalculado es mayor que el Ttabla. (2.774 > 2.093) , (4.654>2.093) y (2.734>2.093) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable INGRESANTES porque es la variable que tiene mayor probabilidad.

2.4 Modelo Final (Variables Independientes Significativas)

Cuadro n 04

Despus de todo el proceso de anlisis de significancia individual para cada una de las variables utilizadas en el modelo inicial (cuadro n2) concluimos que para que el modelo sea significativo globalmente e individualmente tendremos que quedarnos solo con cuatro variables (cuadro n4), las cuales son: POSTULANTES, MATRICULADOS, GRADUADOS Y NO_DOCENTES.

3. MODELO SEMI-LOGARTMICO (Y = C(0) + C(1)*LnX1 + C(2)*LnX2 + )

3.1 Ingreso de datos Eviews:
Cuadro n 01

Usar nivel de significancia: = 5% =0.05 Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110 Formular las Pruebas de Hiptesis: Ho: Bj=0 (La variable que acompaa al parmetro no tiene significancia estadstica). H1: Bj 0 (La variable que acompaa al modelo tiene significancia estadstica).

3.2 Estimacin del Modelo:

Cuadro n 02

3.3 Eliminando Variables No Significativas:

Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110 Del cuadro n 02 observamos que la variable independiente LOG (NO_DOCENTES) es la nica variable que tiene significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.0436< 0.05) Su Tcalculado es mayor que el Ttabla. (2.339 > 2.110) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable LOG (INGRESANTES) porque es la variable que tiene mayor probabilidad.

Cuadro n 03

Siendo n = 24 y p =6 Ttabla= T/2,(n-p) = T/2,(24-6) = 2.101 Del Cuadro n 03 observamos que la variable independiente LOG (NO_DOCENTES) es la nica variable que tiene significancia estadstica individual: Su probabilidades son menores que el nivel de significancia. (0.037< 0.05) Su Tcalculado es mayor que el Ttabla. (2.255 > 2.101) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable LOG (POSTULANTES) porque es la variable que tiene mayor probabilidad.

Cuadro n 04

Siendo n = 24 y p =5 Ttabla= T/2,(n-p) = T/2,(24-5) = 2.093 Del Cuadro n 04 observamos que la variable independiente LOG (NO_DOCENTES) es la nica variable que sigue teniendo significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.0258< 0.05) Su Tcalculado es mayor que el Ttabla. (2.417 > 2.093) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable LOG (DOCENTES) porque es la variable que tiene mayor probabilidad.

Cuadro n 05

Siendo n = 24 y p =4 Ttabla= T/2,(n-p) = T/2,(24-4) = 2.086

Del Cuadro n 05 observamos que la variable independiente LOG (NO_DOCENTES) es la nica variable que tiene significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.0008< 0.05) Su Tcalculado es mayor que el Ttabla. (3.957 > 2.086) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable LOG (MATRICULADOS) porque es la variable que tiene mayor probabilidad.

3.4 Modelo Final (Variables Independientes Significativas)

Cuadro n 06

Despus de todo el proceso de anlisis de significancia individual para cada una de las variables utilizadas en el modelo inicial (Cuadro n 02) concluimos que para que el modelo sea significativo globalmente e individualmente tendremos que quedarnos solo con dos variables (Cuadro n 06) las cuales son: LOG (GRADUADOS) Y LOG (NO_DOCENTES)

4. MODELO DOBLE-LOGARTMICO (LnY = C(0) + C(1)*LnX1 + C(2)*LnX2 + )

4.1 Ingreso de datos Eviews:
Cuadro n 01

Usar nivel de significancia: = 5% =0.05 Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110 Formular las Pruebas de Hiptesis: Ho: Bj=0 (La variable que acompaa al parmetro no tiene significancia estadstica). H1: Bj 0 (La variable que acompaa al modelo tiene significancia estadstica).

4.2 Estimacin del Modelo:

Cuadro n 02

4.3 Eliminando Variables No Significativas:

Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110
Del Cuadro n 02 observamos que las variables independientes LOG (NO_DOCENTES) y LOG (GRADUADOS) son las nicas variables que tienen significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.00248< 0.05) y (0.0030< 0.05) Su Tcalculado es mayor que el Ttabla. (2.462 > 2.110) y (3.453 > 2.110) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable LOG (INGRESANTES) porque es la variable que tiene mayor probabilidad.

Cuadro n 03

Siendo n = 24 y p =6 Ttabla= T/2,(n-p) = T/2,(24-6) = 2.101 Del Cuadro n 03 observamos que las variables independientes LOG (NO_DOCENTES) y LOG (GRADUADOS) son las nicas variables que tienen significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.0199< 0.05) y (0.0017< 0.05) Su Tcalculado es mayor que el Ttabla. (2.554 > 2.110) y (3.676 > 2.110) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable LOG (DOCENTES) porque es la variable que tiene mayor probabilidad.

Cuadro n 04

Siendo n = 24 y p =5 Ttabla= T/2,(n-p) = T/2,(24-5) = 2.093 Observamos que las variables independientes LOG (NO_DOCENTES), LOG (GRADUADOS), LOG (POSTULANTES) son las nicas variables que tienen significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.0002< 0.05), (0.0008< 0.05) y (0.0282<0.05) Su Tcalculado es mayor que el Ttabla. (4.561> 2.093), ( 3.961> 2.093) y (-2.375>-2.093) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable LOG (MATRICULADOS) porque es la variable que tiene mayor probabilidad.

4.4 Modelo Final (Variables Independientes Significativas)

Cuadro n 05

Despus de todo el proceso de anlisis de significancia individual para cada una de las variables utilizadas en el modelo inicial (Cuadro n 02) concluimos que para que el modelo sea significativo globalmente e individualmente tendremos que quedarnos solo con tres variables (Cuadro n 05) las cuales son: LOG (POSTULANTES), LOG (GRADUADOS) Y LOG (NO_DOCENTES)

5. MODELO INVERSO (Y = C(0) + C(1)*(1/X1)+ C(2)*(1/X2)+ )

5.1 Ingreso de datos Eviews:
Cuadro n 01

Usar nivel de significancia: = 5% =0.05 Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110 Formular las Pruebas de Hiptesis: Ho: Bj=0 (La variable que acompaa al parmetro no tiene significancia estadstica). H1: Bj 0 (La variable que acompaa al modelo tiene significancia estadstica).

5.2 Estimacin del Modelo:

Cuadro n 02

5.3 Eliminando Variables No Significativas:

Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110 Del Cuadro n 02 observamos que la variable independiente INV(NO_DOCENTES) es la nica variable que tiene significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.0108< 0.05) Su Tcalculado es mayor que el Ttabla. (2.86 > 2.110) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable INV(INGRESANTES) porque es la variable que tiene mayor probabilidad.

Cuadro n 03

Siendo n = 24 y p =6 Ttabla= T/2,(n-p) = T/2,(24-6) = 2.101 Del Cuadro n 03 observamos que la variable independiente INV_NO_DOCENTES es la nica variable que tiene significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.0067< 0.05) Su Tcalculado es mayor que el Ttabla. (3.06 > 2.101) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable INV_GRADUADOS porque es la variable que tiene mayor probabilidad.

Cuadro n 04

Siendo n = 24 y p =5 Ttabla= T/2,(n-p) = T/2,(24-5) = 2.093

Del Cuadro n 04 observamos que la variable independiente INV_NO_DOCENTES es la nica variable que tiene significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.0054< 0.05) Su Tcalculado es mayor que el Ttabla. (3.14 > 2.093) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable INV_POSTULANTES porque es la variable que tiene mayor probabilidad.

Cuadro n 05

Siendo n = 24 y p =4 Ttabla= T/2,(n-p) = T/2,(24-4) = 2.086

Del Cuadro n 05 observamos que la variable independiente INV_NO_DOCENTES es la nica variable que tiene significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.0014< 0.05) Su Tcalculado es mayor que el Ttabla. (3.719 > 2.086) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable INV_DOCENTES porque es la variable que tiene mayor probabilidad.

Cuadro n 06

Siendo n = 24 y p =3 Ttabla= T/2,(n-p) = T/2,(24-3) = 2.080

Observamos que la variable independiente INV_NO_DOCENTES es la nica variable que tiene significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.0000< 0.05) Su Tcalculado es mayor que el Ttabla. ( 6.66> 2.080) Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable INV_MATRICULADOS porque es la variable que tiene mayor probabilidad.

5.4 Modelo Final (Variables Independientes Significativas):

Cuadro n 07

Despus de todo el proceso de anlisis de significancia individual para cada una de las variables utilizadas en el modelo inicial (Cuadro n 02) concluimos que para que el modelo sea significativo globalmente e individualmente tendremos que quedarnos solo con una sola variable (Cuadro n 07) la cual es: INV_NO_DOCENTES.

6. SELECCIN DEL MEJOR MODELO:

Despus de haber hecho el anlisis respectivo para c/u de los modelos, escogemos el que tenga ms variables significativas. En este caso trabajaremos con el Modelo Semi-Logaritmico (LnY = b0 + b1*X1 + b2*X2 +..) Cuadro Semi-logartmico

Donde: Y = Titulados. X1 = Postulantes. X2 = Matriculados. X3 = Graduados. X4 = No_Docentes.

Ln (Y) = b0 + b1*X1 + b2 *X2 + b3*X3 + b4*X4

7. PRUEBAS ECONOMTRICAS (MODELO SEMI-LOGARTMICO)

7.1 Multicolinealidad (ver cuadro Semi-Logartmico)
H0: No Existe presencia de multicolinealidad. H1: Si existe presencia de multicolinealidad.

Por lo tanto Acepto H0. No existe presencia de multicolinealidad. Calculo del Vif Vif12 Resultado 0.5171 Comparacin 0.5171<5 Conclusin Acepto H0

Al aceptar H0 Afirmo que no se muestra evidencia de colinealidad entres las variables independientes.

Matriz De Correlacin

7.2 Auto correlacin:

Serial Correlation Lm Test

7.3 Homocedasticidad:
Arch Lm Test

7.4 White Heteroskadstity Test

7.5 Normalidad:
Jarque_Bera

7.6 Grafica De Residuales:

GRAFICAS PARA OBSERVAR EL COMPORTAMIENTO DE LAS VARIABLES

GRAFICA DE DISPERSION:

ESTADISTICAS BASICAS:

UNIVERSIDADES PBLICAS DEL PERU

1. MODELO LINEAL (Y = C(0) + C(1)X1 + C(2)X2 + )
1.1 Ingreso de datos Eviews:
Cuadro n 01

Usar nivel de significancia: = 5% =0.05 Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110 Formular las Pruebas de Hiptesis: Ho: B j=0 (La variable que acompaa al parmetro no tiene significancia estadstica). H1: Bj 0 (La variable que acompaa al modelo tiene significancia estadstica).

Imagen 02 Como podemos observar en la imagen 02 la variable Postulante tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0425 < 0.05) Su Tcalculado es mayor que el Ttabla. (2.193 > 2.11) Por lo tanto se rechaza H0 La variable Graduados tambin tiene significancia individual Su probabilidad es menor que el nivel de significancia. (0.0317 < 0.05) Su Tcalculado es mayor que el Ttabla. (2.193 > 2.11) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Matriculados Su probabilidad es mayor que el nivel de significancia. (0.6268 > 0.05) Y as quedara el nuevo modelo lineal.

Imagen 03

Siendo n = 24 y p =6 Ttabla= T/2, (n-p) = T/2, (24-6) = 2.101 Como podemos observar en la imagen 03 la variable Postulante tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0255< 0.05) Su Tcalculado es mayor que el Ttabla. (2.435663 > 2.101) Por lo tanto se rechaza H0 La variable Graduados tambin tiene significancia individual Su probabilidad es menor que el nivel de significancia. (0.0122< 0.05) Su Tcalculado es mayor que el Ttabla. (2.784920 > 2.101) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es No docentes Su probabilidad es mayor que el nivel de significancia. (0.4148> 0.05) Y as quedara el nuevo modelo lineal.

Imagen 04 Siendo n = 24 y p =5 Ttabla= T/2, (n-p) = T/2, (24-5) = 2.093 Como podemos observar en la imagen 04 la variable Postulante tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0126< 0.05) Su Tcalculado es mayor que el Ttabla. (2.753770 > 2.093) Por lo tanto se rechaza H0 La variable Graduados tambin tiene significancia individual Su probabilidad es menor que el nivel de significancia. (0.0005< 0.05)

 Su Tcalculado es mayor que el Ttabla. ( 4.164933> 2.093) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Ingresantes Su probabilidad es mayor que el nivel de significancia. (0.1960> 0.05) Y as quedara mi nuevo modelo lineal.

Imagen 05 Siendo n = 24 y p =4 Ttabla= T/2, (n-p) = T/2, (24-4) = 2.086 Como podemos observar en la imagen 05 la variable Postulante tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0284< 0.05) Su Tcalculado es mayor que el Ttabla. (2.362601> 2.086) Por lo tanto se rechaza H0 La variable Graduados tambin tiene significancia individual Su probabilidad es menor que el nivel de significancia. (0.0008< 0.05) Su Tcalculado es mayor que el Ttabla. ( 3.943026> 2.086) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es docentes Su probabilidad es mayor que el nivel de significancia. (0.1970> 0.05) Y as quedara el nuevo modelo lineal.

Imagen 06 Siendo n = 24 y p =3 Ttabla= T/2, (n-p) = T/2, (24-3) = 2.080 Como podemos observar en la imagen 06 la variable Graduados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0000< 0.05) Su Tcalculado es mayor que el Ttabla. (9.540605> 2.080) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Postulantes Su probabilidad es mayor que el nivel de significancia. (0.0552> 0.05) Y as quedara el nuevo modelo lineal.

Imagen 07 Al final de eliminar las variables no significativas contamos con solo una variable independiente que es Graduados. Y nuestro modelo seria el siguiente:

Mediante el modelo de semi-logartmico ln Y= c (0)+c (1) X1+ c (2) X2 + C (3) X3

Imagen 08 Usar nivel de significancia: =5% = 0.05 H0: j=0 (la variable que acompaa al parmetro no tiene significancia estadstica) H1: j 0 (la variable que acompaa al parmetro no tiene significancia estadstica) Siendo n: 24 y p=7 Ttabla=T/2(n-p)= T/2 (24-7)=T0.025, 17=2.11

Imagen 09 Como podemos observar en la imagen 09 la variable No_docentes tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0084 < 0.05) Su Tcalculado es mayor que el Ttabla. (2.977722 > 2.11) Por lo tanto se rechaza H0 La variable Docentes tambin tiene significancia individual Su probabilidad es menor que el nivel de significancia. (0.0124 < 0.05) Su Tcalculado es mayor que el Ttabla. (2.797704 > 2.11) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Ingresantes Su probabilidad es mayor que el nivel de significancia. (0.7244 > 0.05) Y as quedara el nuevo modelo.

Imagen 10 Siendo n = 24 y p =6 Ttabla= T/2, (n-p) = T/2, (24-6) = 2.101 Como podemos observar en la imagen 10 la variable No_docentes tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0051< 0.05) Su Tcalculado es mayor que el Ttabla. (3.187172 > 2.101) Por lo tanto se rechaza H0 La variable Docentes tambin tiene significancia individual Su probabilidad es menor que el nivel de significancia. (0.0011< 0.05) Su Tcalculado es mayor que el Ttabla. (3.894937 > 2.101) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Matriculados Su probabilidad es mayor que el nivel de significancia. (0.1647> 0.05) Y as quedara mi nuevo modelo.

Imagen 11 Siendo n = 24 y p =5 Ttabla= T/2, (n-p) = T/2, (24-5) = 2.093 Como podemos observar en la imagen 11 la variable No_docentes tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0023< 0.05) Su Tcalculado es mayor que el Ttabla. (3.519872> 2.093) Por lo tanto se rechaza H0 La variable Docentes tambin tiene significancia individual Su probabilidad es menor que el nivel de significancia. (0.0022< 0.05) Su Tcalculado es mayor que el Ttabla. ( 3.529608> 2.093) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Graduados Su probabilidad es mayor que el nivel de significancia. (0.1240> 0.05) Y as quedara mi nuevo modelo.

Imagen 12 Al final de eliminar las variables no significativas contamos con solo tres variables independientes que son: Postulantes, no_docentes, Docentes. Y nuestro modelo seria el siguiente:

Modelo con ms variables significativas

Mediante el modelo de semi-logaritmos Y= C (0)+C (1)*LD+C (2)*LM

Imagen 13 Usar nivel de significancia: =5% = 0.05 H0: j=0 (la variable que acompaa al parmetro no tiene significancia estadstica) H1: j 0 (la variable que acompaa al parmetro no tiene significancia estadstica) Siendo n: 24 y p=7 Ttabla=T/2(n-p)= T/2 (24-7)=T0.025, 17=2.11

Imagen 14 Como podemos observar en la imagen 14 la variable Ln_Graduados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0298 < 0.05) Su Tcalculado es mayor que el Ttabla. (2.370565> 2.11) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es LN_No_Docentes Su probabilidad es mayor que el nivel de significancia. (0.8060 > 0.05)

Y as quedara mi nuevo modelo.

Imagen 15 Siendo n = 24 y p =6 Ttabla= T/2, (n-p) = T/2, (24-6) = 2.101 Como podemos observar en la imagen 03 la variable Ln_Graduados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0010< 0.05) Su Tcalculado es mayor que el Ttabla. (3.923560 > 2.101) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Ln_Docentes Su probabilidad es mayor que el nivel de significancia. (0.4034> 0.05) Y as quedara mi nuevo modelo

Imagen 16 Siendo n = 24 y p =5 Ttabla= T/2, (n-p) = T/2, (24-5) = 2.093

Como podemos observar en la imagen 16 la variable Ln_Matriculados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0083< 0.05) Su Tcalculado es mayor que el Ttabla. (2.946332 > 2.093) Por lo tanto se rechaza H0 La variable Ln_Graduados tambin tiene significancia individual Su probabilidad es menor que el nivel de significancia. (0.0003< 0.05) Su Tcalculado es mayor que el Ttabla. ( 4.383220> 2.093) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Ln_ingresantes Su probabilidad es mayor que el nivel de significancia. (0.4306> 0.05) Y as quedara mi nuevo modelo.

Imagen 17 Siendo n = 24 y p =4 Ttabla= T/2, (n-p) = T/2, (24-4) = 2.086 Como podemos observar en la imagen 05 la variable Ln_matriculados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0095< 0.05) Su Tcalculado es mayor que el Ttabla. (2.869917> 2.086) Por lo tanto se rechaza H0 La variable Ln_Graduados tambin tiene significancia individual Su probabilidad es menor que el nivel de significancia. (0.0000< 0.05) Su Tcalculado es mayor que el Ttabla. ( 5.203941> 2.086) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Ln_postulantes Su probabilidad es mayor que el nivel de significancia. (0.0968> 0.05) Y as quedara mi nuevo modelo

Imagen 18 Al final de eliminar las variables no significativa contamos con solo hay dos variables independientes que son: Ln_matriculados, Ln_graduados. Y nuestro modelo seria el siguiente:

Mediante el modelo doble logartmico ln Y= C (0)+C (1)*LD+C (2)*LM..

Imagen 19 Usar nivel de significancia: =5% = 0.05 H0: j=0 (la variable que acompaa al parmetro no tiene significancia estadstica) H1: j 0 (la variable que acompaa al parmetro no tiene significancia estadstica) Siendo n: 24 y p=7 Ttabla=T/2(n-p)= T/2 (24-7)=T0.025, 17=2.11

Imagen 20 Como podemos observar en la imagen 20 la variable Ln_graduados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0083 < 0.05) Su Tcalculado es mayor que el Ttabla. (2.986500 > 2.11) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Ln_Matriculados Su probabilidad es mayor que el nivel de significancia. (0.9494 > 0.05) Y as quedara mi nuevo modelo

Imagen 21 Siendo n = 24 y p =6 Ttabla= T/2, (n-p) = T/2, (24-6) = 2.101 Como podemos observar en la imagen 21 la variable Ln_graduados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0036< 0.05) Su Tcalculado es mayor que el Ttabla. (3.350562 > 2.101) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Ln_ingresantes Su probabilidad es mayor que el nivel de significancia. (0.4563> 0.05) Y as quedara mi nuevo modelo lineal.

Imagen 22 Siendo n = 24 y p =5 Ttabla= T/2, (n-p) = T/2, (24-5) = 2.093 Como podemos observar en la imagen 22 la variable Ln_graduados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0030< 0.05) Su Tcalculado es mayor que el Ttabla. (3.394389 > 2.093) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Ln_postulantes Su probabilidad es mayor que el nivel de significancia. (0.2573> 0.05) Y as quedara mi nuevo modelo.

Imagen 23 Siendo n = 24 y p =4 Ttabla= T/2, (n-p) = T/2, (24-4) = 2.086 Como podemos observar en la imagen 23 la variable Ln_graduados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0004< 0.05) Su Tcalculado es mayor que el Ttabla. (4.284905> 2.086) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Ln_docentes Su probabilidad es mayor que el nivel de significancia. (0.1105> 0.05) Y as quedara mi nuevo modelo

Imagen 24 Siendo n = 24 y p =3 Ttabla= T/2, (n-p) = T/2, (24-3) = 2.080 Como podemos observar en la imagen 24 la variable Ln_graduados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0000< 0.05) Su Tcalculado es mayor que el Ttabla. (9.360272> 2.080) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Ln_docentes Su probabilidad es mayor que el nivel de significancia. (0.4238> 0.05) Y as quedara mi nuevo modelo.

Imagen 25 Al final de eliminar las variables no significativa contamos con solo una variable independiente que es: Ln_graduados. Y nuestro modelo seria el siguiente:

Mediante el modelo inversos Imagen 26 Usar nivel de significancia: =5% = 0.05

H0: j=0 (la variable que acompaa al parmetro no tiene significancia estadstica) H1: j 0 (la variable que acompaa al parmetro no tiene significancia estadstica) Siendo n: 24 y p=7 Ttabla=T/2(n-p)= T/2 (24-7)=T0.025, 17=2.11

Imagen 27 Como podemos observar en la imagen 27 la variable Inv_matriculados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0209 < 0.05) Su Tcalculado es mayor que el Ttabla. (2.545450 > 2.11) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Inv_no_docentes Su probabilidad es mayor que el nivel de significancia. (0.7995 > 0.05) Y as quedara mi nuevo modelo.

Imagen 28 Siendo n = 24 y p =6 Ttabla= T/2, (n-p) = T/2, (24-6) = 2.101 Como podemos observar en la imagen 28 la variable Inv_matriculados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0138< 0.05) Su Tcalculado es mayor que el Ttabla. (2.728847 > 2.101) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Inv_docentes Su probabilidad es mayor que el nivel de significancia. (0.5690> 0.05) Y as quedara mi nuevo modelo.

Imagen 29 Siendo n = 24 y p =5 Ttabla= T/2, (n-p) = T/2, (24-5) = 2.093 Como podemos observar en la imagen 29 la variable Inv_matriculados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0003< 0.05) Su Tcalculado es mayor que el Ttabla. (4.365670 > 2.093) Por lo tanto se rechaza H0 La variable Inv_Graduados tambin tiene significancia individual Su probabilidad es menor que el nivel de significancia. (0.0042< 0.05) Su Tcalculado es mayor que el Ttabla. ( 3.247756> 2.093) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Inv_Ingresantes Su probabilidad es mayor que el nivel de significancia. (0.3756> 0.05) Y as quedara mi nuevo modelo.

Imagen 30 Siendo n = 24 y p =4 Ttabla= T/2, (n-p) = T/2, (24-4) = 2.086 Como podemos observar en la imagen 30 la variable Inv_matriculados tiene significancia individual ya que: Su probabilidad es menor que el nivel de significancia. (0.0004< 0.05) Su Tcalculado es mayor que el Ttabla. (4.295074> 2.086) Por lo tanto se rechaza H0 La variable Inv_Graduados tambin tiene significancia individual Su probabilidad es menor que el nivel de significancia. (0.0013< 0.05) Su Tcalculado es mayor que el Ttabla. ( 3.741171> 2.086) Por lo tanto se rechaza H0 El resto de variables no son significativas, por ende tendremos que eliminar la variable que contenga la mayor probabilidad. Y esta es Inv_postulantes Su probabilidad es mayor que el nivel de significancia. (0.1044> 0.05) Y as quedara mi nuevo modelo.

Imagen 31 Al final de eliminar las variables no significativas contamos con solo dos variables independientes que son: Inv_graduados, Inv_matriculados. Y nuestro modelo seria el siguiente:

Una vez elegido el modelo con mayor nmero de variables significativas, procedemos a calcular los supuestos economtricos. El modelo resultante es el modelo semi-logartmico: Ln (Y)=C (1)+ C (2) X1 + C (3) X2 o en nuestro caso sera:

Estadisticas Basicas:

Imagen 32

Grafico del comportamiento de las variables:

Imagen 33 En la imagen se puede observar como es el comportamiento de las variables independientes como la dependiente.

Pruebas economtricas
Multicolinealidad Matriz de correlacion (solo variables independientes)

Imagen 36 Como podemos observar los valores de la matriz de correlacin son no muy altos, por esta razn no se podra decir que las variables estn altamente correlacionada y por tanto se podra explicar una variable con otra.

Autocorrelacion Serial correlation LM Test

Imagen 37

Homoscedasticidad ARCH LM test

Imagen 38

White heteroskadasticity test

Imagen 39 Grafica de Residuales

Imagen 34 En la presente imagen podemos observar los errores aleatorios

Prueba de normalidad

Imagen 35 H0: ~ N(0, 2) H1: ~ N (0, 2) JB=0.780255 JB < entonces se Acepta H0. El modelo explicado se aproxima a una distribucin normal.

UNIVERSIDADES DEL PERU (PBLICAS Y PRIVADAS)

1. MODELO LINEAL (Y = C(0) + C(1)X1 + C(2)X2 + )
1.1 Ingreso de datos Eviews:

Usar nivel de significancia: = 5% =0.05 Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110 Formular las Pruebas de Hiptesis: Ho: Bj=0 (La variable que acompaa al parmetro no tiene significancia estadstica). H1: Bj 0 (La variable que acompaa al modelo tiene significancia estadstica).

Observamos que la variable independiente GRADUADOS es la nica variable que posee significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.043 < 0.05) Su Tcalculado es mayor que el Ttabla. (2.187 > 2.110)

Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable INGRESANTES porque es la variable que tiene mayor probabilidad.

Siendo n = 24 y p =6 Ttabla= T/2,(n-p) = T/2,(24-6) = 2.101

Observamos que la variables independientes POSTULANTES Y GRADUADOS son las nicas variables que tienen significancia estadstica individual: Su probabilidades son menores que el nivel de significancia. (0.045 < 0.05) y (0.033<0.05) Su Tcalculado es mayor que el Ttabla. (2.156 > 2.101) y (2.311>2.101)

Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable MATRICULADOS porque es la variable que tiene mayor probabilidad.

Siendo n = 24 y p =5 Ttabla= T/2,(n-p) = T/2,(24-5) = 2.093

Observamos que la variables independientes POSTULANTES Y GRADUADOS son las nicas variables que tienen significancia estadstica individual: Su probabilidades son menores que el nivel de significancia. (0.029 < 0.05) y (0.026<0.05) Su Tcalculado es mayor que el Ttabla. (2.359 > 2.093) y (2.412>2.093)

Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable DOCENTES porque es la variable que tiene mayor probabilidad.

Siendo n = 24 y p =4 Ttabla= T/2,(n-p) = T/2,(24-4) = 2.086

Observamos que la variables independientes POSTULANTES Y GRADUADOS son las nicas variables que tienen significancia estadstica individual: Su probabilidades son menores que el nivel de significancia. (0.015 < 0.05) y (0.000<0.05) Su Tcalculado es mayor que el Ttabla. (2.674 > 2.086) y (9.782>2.086)

Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable NO_DOCENTES porque es la variable que tiene mayor probabilidad.

Despus de todo el proceso de anlisis de significancia individual para cada una de las variables utilizadas en el modelo inicial concluimos que para que el modelo sea significativo globalmente e individualmente tendremos que quedarnos solo con dos variables las cuales son: POSTULANTES Y GRADUADOS.

MODELO SEMILOGARITMICO-CON RESPECTO A LA VARIABLE DEPENDIENTE

Usar nivel de significancia: = 5% =0.05 Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110 Formular las Pruebas de Hiptesis: Ho: Bj=0 (La variable que acompaa al parmetro no tiene significancia estadstica). H1: Bj 0 (La variable que acompaa al modelo tiene significancia estadstica).

Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110

Observamos que la variables independientes GRADUADOS Y DOCENTES son las nicas variables que tienen significancia estadstica individual: Su probabilidades son menores que el nivel de significancia. (0.015 < 0.05) y (0.000<0.05) Su Tcalculado es mayor que el Ttabla. (3.388 > 2.110) y (2.499>2.110)

Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable POSTULANTES porque es la variable que tiene mayor probabilidad.

Siendo n = 24 y p =6 Ttabla= T/2,(n-p) = T/2,(24-6) = 2.101

Observamos que la variables independientes GRADUADOS Y DOCENTES son las nicas variables que tienen significancia estadstica individual: Su probabilidades son menores que el nivel de significancia. (0.002 < 0.05) y (0.015<0.05) Su Tcalculado es mayor que el Ttabla. (3.522 > 2.101) y (2.686>2.101)

Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable INGRESANTES porque es la variable que tiene mayor probabilidad.

Despus de todo el proceso de anlisis de significancia individual para cada una de las variables utilizadas en el modelo inicial concluimos que para que el modelo sea significativo globalmente e individualmente tendremos que quedarnos solo con dos variables las cuales son: MATRICULADOS ,GRADUADOS ,NO_DOCENTES Y DOCENTES.

MODELO SEMILOGARITMICO-CON RESPECTO A LAS VARIABLES INDEPENDIENTES

Usar nivel de significancia: = 5% =0.05 Siendo n = 24 y p =7 Ttabla= T/2,(n-p) = T/2,(24-7) = 2.110 Formular las Pruebas de Hiptesis: Ho: Bj=0 (La variable que acompaa al parmetro no tiene significancia estadstica). H1: Bj 0 (La variable que acompaa al modelo tiene significancia estadstica).

Observamos que la variable independiente LN_POSTULANTES es la nica variable que sigue teniendo significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.032< 0.05) Su Tcalculado es mayor que el Ttabla. (2.339 > 2.365)

Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable LN_MATRICULADOS porque es la variable que tiene mayor probabilidad.

Siendo n = 24 y p =6 Ttabla= T/2,(n-p) = T/2,(24-6) = 2.101

Observamos que la variable independiente LN POSTULANTES es la nica variables que tiene significancia estadstica individual: Su probabilidades son menores que el nivel de significancia. (0.023 < 0.05) Su Tcalculado es mayor que el Ttabla. (2.492 > 2.101)

Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable LN_DOCENTES porque es la variable que tiene mayor probabilidad.

Siendo n = 24 y p =5 Ttabla= T/2,(n-p) = T/2,(24-5) = 2.093

Observamos que la variable independiente LN_POSTULANTES es la nica variable que sigue teniendo significancia estadstica individual: Su probabilidad es menor que el nivel de significancia. (0.002< 0.05) Su Tcalculado es mayor que el Ttabla. (3.534 > 2.093)

Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable LN_NO_DOCENTES porque es la variable que tiene mayor probabilidad.

Siendo n = 24 y p =4 Ttabla= T/2,(n-p) = T/2,(24-4) = 2.086

Observamos que la variables independientes LN_POSTULANTES Y LN_GRADUADOS son las nicas variables que tienen significancia estadstica individual: Su probabilidades son menores que el nivel de significancia. (0.003 < 0.05) y (0.000<0.05) Su Tcalculado es mayor que el Ttabla. (3.365 > 2.086) y (4.384>2.086)

Por lo tanto Rechazamos Ho. Vamos a eliminar a la variable LN_INGRESANTES porque es la variable que tiene mayor probabilidad.

Despus de todo el proceso de anlisis de significancia individual para cada una de las variables utilizadas en el modelo inicial concluimos que para que el modelo sea significativo globalmente e individualmente tendremos que quedarnos solo con dos variables las cuales son: LN_POSTULANTES Y LN_GRADUADOS.

PRUEBAS ECONOMTRICAS (MODELO SEMI-LOGARTMICO)

Multicolinealidad
Matriz De Correlacin

Auto correlacin:
Serial Correlation Lm Test

Homocedasticidad:
Arch Lm Test

White Heteroskadstity Test

Normalidad:
Jarque_Bera

Grafica De Residuales:

GRAFICAS PARA OBSERVAR EL COMPORTAMIENTO DE LAS VARIABLES

GRAFICA DE DISPERSION: