La idea básica detrás de la prueba RV es simple: Si la(s) restricción(es) a priori son válidas, los FV(log) restringida y no restringida no deben ser diferentes, en cuyo caso λ en (3) será cero. Pero si ese no es el caso, las dos FV divergirián. Puesto que cuando la muestra es grande sabemos que λ sigue una distribución ji cuadrado, podemos averiguar si la divergencia es estadísticamente significativa, es decir a un nivel de significancia de 1 o 5%. O de lo contrario, podemos encontrar el valor p del λ estimado.
Para continuar con el ejemplo, utilizando la versión MICRO TSP 7.0, se obtiene la siguiente información:
FLVNR = -132.3601 y FLVR = -136.5061
Por consiguiente,
λ = 2[-132.3601 - (-136.50610)] = 8.2992
Asintóticamente, su distribución es igual a la ji cuadrado con 1 g de l (porque solamente se tiene una restricción impuesta)+. El valor p de obtener una valor ji cuadrado de 8.2992 o superior es de 0.004 aproximadamente, lo cual es una baja probabilidad. Por lo tanto se puede rechazar la hipótesis nula de que el precio d elos claveles no tenga efecto sobre la demanda de rosas, es decir, en la ecuación (8.9.3) la variable X3 debe conservarse. No es sorprendente que el valor de t del coeficiente de X3 en esta ecuación sea significativo.
Debido a la complejidad matemática de las prubas de Wald y LM no se estudiarán aquí. Pero como se anotó anteriormente, asintóticamente las pruebas de RV, Wald y LM dan respuestas idénticas; la escogencia entre una u otra prueba depende de la conveniencia computacional.
No hay comentarios.:
Publicar un comentario