You are on page 1of 7

Estudis dEconomia i Empresa 13.

011 Tcniques Quantitatives aplicades a les cincies del Treball Semestre 05-06/febrer 06

Soluci Prova davaluaci continuada 3

Mercat de treball a Espanya (Part 1)

Guia de Soluci
Pregunta 1 Es vol fer un estudi per saber si hi ha relaci de dependncia entre el preu mitj de lhabitatge per metre quadrat (variable dependent) i diferents variables socio-econmiques i demogrfiques. Les variables independents utilitzades seran: densitat de poblaci, taxa docupaci i nombre descoles privades per a cada mil habitants. Les dades fan referncia a les diferents provncies dEspanya de lany 2003. (Obrir fitxer 13011_PAC3_Dades1). Es demana contestar les segents preguntes: a) Calculeu i presenteu la matriu de correlacions entre les diferents variables independents i la variable dependent. Comenta si aquests resultats et semblen coherents o no, i per qu. Per tal dobtenir la matriu de correlacions amb el Minitab, cal aplicar la instrucci Stat/Basic Statistics/Correlation. Seleccionem les variables que han de formar part de la matriu de correlacions i obtenim la segent matriu de correlacions:
Densitat 0,785 0,000 0,353 0,012 0,460 0,001 Preu m2 TAXAOCUP

Preu m2 TAXAOCUP escolpri

0,539 0,000 0,531 0,000 0,436 0,002

Cell Contents: Pearson correlation P-Value

Regression Plot

Preu m2 habi = 844,895 + 2,24717 Densitat de S= 269,409 R-Sq = 61,6 % R-Sq(adj) 60,8 %mitj per m 2, on el resultat sembla Les variables ms correlacionades sn la densitat de poblaci i el=preu coherent ja que com ms densitat de poblaci, ms demanda , i per tant els preus dels habitatges tamb 2500 sincrementen. Per contra, les variables menys correlacionades sn la densitat de poblaci i la taxa docupaci, tot i que aquest valor s el menys representatiu, ja que el seu p-valor s de 0,012 i amb un nivell de significaci del 1% no acceptarem el resultat del coeficient de correlaci com a significatiu. Per a la resta de parelles de variables, existeix una relaci lineal moderada ja que les correlacions prenen un valor moderat i sn significativament diferents de zero. Si treballem amb un nivell de significaci del 5%, podem dir que totes les correlacions sn significatives.

b) Calcula 1500 la recta de regressi lineal simple utilitzant com a variable independent la densitat de poblaci, i representa-la grficament juntament amb el nvol de punts. (Nota: Podeu utilitzar la opci Stat/Reg/Fitted Line Plot) Sabem que la variable independent s la densitat de poblaci i la dependent o explicada s el preu mitj per metre quadrat. Per calcular la recta de regressi lineal hem utilitzat, tal com indica la opci Stat/Reg/Fitted Line Plot i hem obtingut el segent resultat:
500

139794574.doc

P reu m2 h abi

100

200

300

400

500

600

700

1/7

Densitat de

Estudis dEconomia i Empresa 13.011 Tcniques Quantitatives aplicades a les cincies del Treball Semestre 05-06/febrer 06

Observem que la recta de regressi obtinguda ha estat: Preu m2 habitatge = 844,895+2,247*Densitat de poblaci. Veiem en el grfic el nvol de punts de les dades que tenim en el fitxer i la recta de regressi que sha obtingut a partir daquestes. La recta de regressi que sha obtingut t un clar pendent positiu. Aix significar doncs que hi ha una associaci positiva entre la variable independent i dependent. Si hi ha un augment de la densitat de poblaci, el preu mitj per m2 dhabitatge sincrementar i si disminueix la densitat de poblaci, el preu mitj per m 2 dhabitatge disminuir. La bondat dajust s del 61,6%. Aquest valor s relativament elevat i podem dir que el 61,6% del preu mitj per m2 dhabitatge sexplica per la densitat de poblaci. La recta de regressi creua leix de les ordenades en el punt 844,895. Aix significa que amb un valor 0 de la variable independent (densitat de poblaci) la variable preu mitj per m2 dhabitatge prendr un valor de 844,895. Aquest s el punt de tall de la recta de regressi.

c) Sha estimat el model de regressi mltiple amb les diferents variables estudiades. Comentan els resultats obtinguts. Qu es pot dir de la significaci individual? I de la significaci global del model? Els signes dels parmetres estimats, eren els desperar?

139794574.doc

2/7

Estudis dEconomia i Empresa 13.011 Tcniques Quantitatives aplicades a les cincies del Treball Semestre 05-06/febrer 06

The regression equation is Preu m2 habitatge= - 258 + 1,82 Densitat de poblaci + 2102 TAXAOCUP + 1109 escolpriv_1000 Predictor Constant Densidad TAXAOCUP escolpriv S = 240,9 Coef -257,7 1,8194 2101,7 1109,0 SE Coef 319,4 0,2626 730,1 845,9 T -0,81 6,93 2,88 1,31 P 0,424 0,000 0,006 0,196

R-Sq = 70,6%

R-Sq(adj) = 68,7%

Analysis of Variance Source Regression Residual Error Total DF 3 46 49 SS 6404533 2670091 9074625 MS 2134844 58045 F 36,78 P 0,000

Es pot observar com el model general s bastant explicatiu ja que recull aproximadament el 70% de la variaci total, tal com es pot apreciar al valor de lestadstic R 2. Tamb podem dir que el model s significatiu en el seu conjunt ja que el test de significaci global ens indica que el valor de lestadstic F s 36,78 amb un p-valor igual a 0. El p-valor associat als coeficients de les variables independents sn prximes a 0 menys en el cas de la variable nombre descoles privades per mil habitants, i per tant rebutgem al 95% del nivell de confiana la hiptesi nulla de no significaci per a les variables densitat de poblaci i taxa docupaci i acceptem la hiptesi nulla de no significaci per a la variable nombre descoles privades. Els signes dels parmetres sn positius en totes les variables, per tant tenim relaci directe entre densitat de poblaci i les variables independents. Tant les variables socioeconmiques com les demogrfiques, provoquen que el preu mitj per m2 augmenti si aquestes tamb augmenten. Sha de tenir en compte per, com ja hem dit anteriorment, que la variable nombre descoles privades no s significativa. d) A la vista del model obtingut, creus que seria millor modificar les variables explicatives del model? En cas afirmatiu, estima el nou model i comentan els resultats. Vist els resultats de lapartat anterior, podem modificar el model de regressi prescindint de la variable que no s significativa del model: nombre descoles privades per a mil habitants. Aix doncs estimarem de nou el model obtenint els segents resultats:
Preu m2 habitatge = - 265 + 1,94 Densitat de poblacio + 2417 TAXAOCUP Predictor Constant Densitat TAXAOCUP S = 242,8 Coef -264,8 1,9444 2417,4 SE Coef 321,8 0,2466 694,5 T -0,82 7,89 3,48 P 0,415 0,000 0,001

R-Sq = 69,5% SS 6304771 2769853 9074625

R-Sq(adj) = 68,2% MS 3152386 58933 F 53,49 P 0,000

Analysis of Variance Source DF Regression 2 Residual Error 47 Total 49

139794574.doc

3/7

Estudis dEconomia i Empresa 13.011 Tcniques Quantitatives aplicades a les cincies del Treball Semestre 05-06/febrer 06

Eliminant la variable nombre descoles privades, veiem que el model segueix essent significatiu globalment i que les variables independents densitat de poblaci i taxa docupaci segueixen essent significatives. El model continua essent bastant explicatiu i sense variar prcticament la variaci total del model, que passa del 70,6% al 69,5%, per tant veiem que la variable escoles privades era poc important en el model. e) Estima el preu mitj de m2 dhabitatge sabent que la provncia t una densitat de poblaci de 200 i una taxa docupaci del 0,55. Estimem el preu mitj per metre quadrat a partir del model obtingut en lapartat anterior: Preu m2 habitatge = - 265 + 1,94 Densitat de poblacio + 2417 TAXAOCUP = -265 + 1,94*200 + 2417*0,55 = 1452,35 /m2

Pregunta 2 Per tal daprofundir en el coneixement de les caracterstiques del mercat de treball a Espanya, en aquesta pregunta analitzarem levoluci temporal de la variable Remuneraci total dassalariats (en milers deuros) S, la mostra de la qual consisteix en dades trimestrals, de 1980:1T a 2001:3T. Les dades shan extret de lEnquesta de Salaris que realitza lINE. (Obrir fitxer 13011_PAC3_Dades2). Es demana contestar les segents preguntes: a) Representa en un grfic de sries temporals la variable Remuneraci total dassalariats. Comenta els resultats obtinguts com a analista del Mercat de Treball.

Per representar grficament la variable S Remuneraci total dassalariats, utilitzarem lopci Graph/Time Plot Series i seleccionarem la variable a estudiar (S). Disposem de dades trimestrals. Es pot veure clarament en el grfic les oscillacions peridiques que es repeteixen cada any. Es pot observar que hi ha un mxim al quart trimestre i un mnim al primer trimestre. Aquest comportament en la remuneraci pot ser causada per la paga doble de nadal i per incentius que molts assalariats tenen segons els beneficis anuals que ha tingut lempresa. Tamb pot ser possible que hi hagi una disminuci del nombre dassalariats a principi dany per causa de canvis en lorganitzaci a lempresa que sovint coincideix amb el canvi dany.

139794574.doc

4/7

Estudis dEconomia i Empresa 13.011 Tcniques Quantitatives aplicades a les cincies del Treball Semestre 05-06/febrer 06

80000

70000

60000

50000

S
40000 30000 20000 10000

Quarter Year

123412341234123412341234123412341234123412341234123412341234123412341234123412341234123 1980198119821983198419851986198719881989199019911992199319941995199619971998199920002001

b) Raona si la srie segueix un esquema additiu o multiplicatiu. Veiem com la srie t una clara tendncia creixent i que a mesura que augmenta la tendncia tamb augmenten les oscillacions. Podem dir doncs que la srie segueix un esquema multiplicatiu.

c) Estima la recta de tendncia. Qu pot dir-se de la significaci de la tendncia? Observaci: Per obtenir el p-valor, podeu realitzar la regressi de la variable S sobre la constant i la variable T. Per estimar la recta de tendncia per a la variable S utilitzem la opci Stat/Regression/Regression. Seleccionem la variable S com a variable a explicar i la variable tendncia com variable explicativa. Obteniu els segents resultats:
The regression equation is S = 4964 + 819 t Predictor Constant t S = 3333 Coef 4964,3 818,93 SE Coef 720,9 14,23 T 6,89 57,55 P 0,000 0,000

R-Sq = 97,5%

R-Sq(adj) = 97,5%

139794574.doc

5/7

Estudis dEconomia i Empresa 13.011 Tcniques Quantitatives aplicades a les cincies del Treball Semestre 05-06/febrer 06

Analysis of Variance Source DF SS MS Regression 1 36797245632 36797245632 Residual Error 85 944392299 11110498 Total 86 37741637931

F 3311,93

P 0,000

El p-valor associat al coeficient de la variable de tendncia s 0,000 i per tant rebutgem al 95% del nivell de confiana la hiptesis nulla de no significaci de la tendncia. El model s altament ajustat, ja que el seu R 2 s superior al 97%, per tant podem dir que la remuneraci salarial tendeix a augmentar en el temps. d) Realitza el diagrama de la funci dautocorrelaci de la srie S amb la tendncia eliminada. Qu pot dir-se de lestructura de lautocorrelaci?

Per eliminar la tendncia utilitzarem la opci Stat/Time Series/Trend Analysis i seleccionarem la variable S. En lopci Storage, seleccionarem Residuals, aix ens crear la variable S amb la tendncia eliminada. Els residus representen la srie sense tendncia. Representem grficament la variable amb la tendncia eliminada per veure quin s el seu comportament:

10000

5000

RESI1

-5000

Quarter Year

123412341234123412341234123412341234123412341234123412341234123412341234123412341234123 1980198119821983198419851986198719881989199019911992199319941995199619971998199920002001

Podem veure de nou lefecte estacional de la srie i com les oscillacions sn ms intenses al llarg del temps. Sobserva tamb que hi ha efecte cclic, amb dues fases clarament marcades. Sembla ser un cicle econmic llarg duna amplitud duns 10 anys. Per veure si lestacionalitat afecta a lestructura dautocorrelaci, crearem el diagrama de la funci dautocorrelaci. Utilitzarem la opci Stat/Time Series/Autocorrelation i especifiquem un nombre mltiple de 4 retards (lags) ja que les dades sn trimestrals. Obtenim el segent resultat:

139794574.doc

6/7

Estudis dEconomia i Empresa 13.011 Tcniques Quantitatives aplicades a les cincies del Treball Semestre 05-06/febrer 06

Autocorrelation Function for RESI1


Autocorrelation
1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,6 -0,8 -1,0

Lag 1 2 3 4 5 6 7

Corr 0,49 0,26 0,45 0,78 0,30 0,07 0,24

T 4,61 2,00 3,29 5,10 1,56 0,34 1,20

LBQ 21,98 28,24 46,89 103,62 112,18 112,62 118,16

Lag 8

Corr 0,53

T 2,63

LBQ 145,84

En el diagrama dautocorrelaci podem distingir les puntes de color negre que ens indiquen els coeficients dautocorrelaci i les lnies discontnues vermelles representen els lmits de linterval de confiana al 95% del nivell de significaci. Si una punta es troba dins de la zona de linterval de confiana acceptem al 95% del nivell de confiana la hiptesis nulla de no significaci del coeficient dautocorrelaci. Si la punta es troba fora del lmit, acceptem la significaci de lautocorrelaci. Observem que la remuneraci est fortament correlacionada de manera significativa amb la remuneraci retardada quatre trimestres. Aix doncs, podem dir que hi ha estacionalitat en la srie.

139794574.doc

7/7