Este documento describe el proceso de regresión múltiple para estimar la demanda de un bien utilizando variables independientes como pronósticos de ingresos, precios y otras variables. Explica cómo utilizar la herramienta de regresión en Excel para calcular los coeficientes de la regresión y evaluar si las variables independientes son significativas y no están correlacionadas entre sí. El análisis de varianza también se utiliza para determinar si el modelo de regresión es estadísticamente significativo.
0 calificaciones0% encontró este documento útil (0 votos)
117 vistas3 páginas
Este documento describe el proceso de regresión múltiple para estimar la demanda de un bien utilizando variables independientes como pronósticos de ingresos, precios y otras variables. Explica cómo utilizar la herramienta de regresión en Excel para calcular los coeficientes de la regresión y evaluar si las variables independientes son significativas y no están correlacionadas entre sí. El análisis de varianza también se utiliza para determinar si el modelo de regresión es estadísticamente significativo.
Este documento describe el proceso de regresión múltiple para estimar la demanda de un bien utilizando variables independientes como pronósticos de ingresos, precios y otras variables. Explica cómo utilizar la herramienta de regresión en Excel para calcular los coeficientes de la regresión y evaluar si las variables independientes son significativas y no están correlacionadas entre sí. El análisis de varianza también se utiliza para determinar si el modelo de regresión es estadísticamente significativo.
Este documento describe el proceso de regresión múltiple para estimar la demanda de un bien utilizando variables independientes como pronósticos de ingresos, precios y otras variables. Explica cómo utilizar la herramienta de regresión en Excel para calcular los coeficientes de la regresión y evaluar si las variables independientes son significativas y no están correlacionadas entre sí. El análisis de varianza también se utiliza para determinar si el modelo de regresión es estadísticamente significativo.
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1de 3
REGRESIN MLTIPLE
ESTIMACIN DE DEMANDA POR CORRELACIN MLTIPLE - PRONSTICOS:
La demanda de un bien suele tener como condicionantes a los gustos, cambios en el ingreso disponible, en el precio o en los precios de otros bienes complementarios o sustitutos. Cuando ya existen pronsticos sobre esas u otras variables independientes (calor; lluvia, turistas) es usual utilizarlos para estimar la demanda del bien en estudio (variable dependiente, venta de helados) efectuando una correlacin lineal mltiple entre aquellas y la demanda que se desea estimar (vase ms adelante con Estimacin Lineal). DISCOS DE FRENO PARA AUTOS Igualmente, con la demanda de discos de freno (Y) para autos, cuya demanda podra depender de la produccin (y reparacin) de autos, el nivel de los salarios y el del PBI (las X). Una vez anotados los datos histricos en B8:E16 Excel calcula la correlacin con Herramientas >Complementos > Anlisis de datos >Regresin Pide el rango para la variable Y; luego el rango para las otras variables; tambin pide una celda conde comenzar a emitir los resultados hacia abajo. En este ejemplo se le indic A25 y los coeficientes del ajuste figuran en B39:B42. Esos coeficientes multiplican cada variable independiente (pronsticos conocidos) segn la frmula de la celda B18 (que tambin se indica en F17).
ANLISIS DE VARIANZA Hay suficiente correlacin entre las variables? Sern independientes suficientemente explicativas o influyentes?
todas
las
variables
Excel calcula el estadstico F (104,5) y tambin su valor crtico. En este ejemplo el
estadstico es mayor que su valor crtico, lo cual asegura que el resultado 97% implica una varianza intergrupos e intragrupos parcialmente aceptable y que el ajuste no es aleatorio o manifieste coalineacin. Por otra parte, la tabla de distribucin t Student para 6 grados de libertad y 95% de aproximacin (5% error) muestra el coeficiente 1,94, que es menor que el valor indicado por Excel para la variable independiente X1 (3,099), asegurando que esta variable es significativa en la formacin de la demanda de discos de freno de este ejemplo. El coeficiente de determinacin R2 indica en las regresiones simples el % de variabilidad explicada por la variable independiente. R2 ajustado se utiliza en las regresiones mltiples. El error tpico o estndar es la raz cuadrada del cociente entre la suma de residuos al cuadrado y sus grados de libertad (T-v-1). ANLISIS DE REGRESIN
Se utiliza el anlisis de regresin y de varianza-covarianza para elegir con Excel cuales de
las variables independientes son ms adecuadas y mejoraran la precisin del ajuste entre la ecuacin y los datos empricos. Se busca evitar posibles errores por la existencia de eventuales vinculaciones entre algunas de las variables independientes entre s (colinealidad). Conviene comenzar seleccionando las regresiones entre las variables que se sabe estn ms vinculadas e ir introduciendo otras que mejoren la regresin mltiple. ANOVA (en ingls ANLISIS DE VARIANZA) Existen dificultades importantes para detectar la existencia de esa relacin lineal molesta entre las variables independientes. Interesa asegurar la independencia o no asociacin entre los atributos: dos grupos difieren entre s cuando la varianza intergrupos es mayor que la varianza intragrupo (si no hay colinealidad). La proporcin de estas dos medidas es la F de Snedeco. Comparando con el valor de la tabla de F por azar se observa si el F obtenido en el ANOVA es mayor, lo que indicara que hay una diferencia entre grupos que es adecuadamente significativa. La tabla de la distribucin F valora segn los grados de libertad horizontal (numerador) y los grados de libertad vertical (denominador) para distintos % de significacin; esto ya lo indican los coeficientes que calcula Excel simplificando as el anlisis de varianza y covarianza. Los estadsticos T DE STUDENT calculados por Excel demuestran el TEST DE HIPOTESIS: comparando este ejemplo con la tabla de distribucin Student para 95% de confianza se observa la significatividad del coeficiente de cada variable, conforme su t sea mayor que el valor de tabla, tal como se explic en este ejemplo para el 3,099 de la variable X1, aunque para otras variables es menor, indicando dificultades.
CORRELACION MLTIPLE CON EXCEL - HELADOS
La Unidad 3 se interesa por la estimacin de funciones (especialmente con Excel); en particular las funciones de demanda (pero tericamente pudieran ser del costo, ingresos, utilidad, produccin, etc.) del mismo modo. Usamos la funcin Excel Regresin (o sus equivalentes para correlacin, estimacin lineal u y otras eligiendo en el cono f* ) Previamente, una estimacin completa de la funcin de demanda en la empresa (estudio de mercado) se hace por varios mtodos alternativos (simultneamente, como para confirmar entre ellos; ver Baumol cap. 10 edicin Aguilar, 1980: a) estudios de mercado con encuestas b) experimentos controlados (regalar $ para que elijan un producto entre varias marcas disponibles en el local) c) mtodos estadsticos, preferentemente "mnimos cuadrados" (o cuadrado de diferencias entre datos y promedio o ajuste) d) modelos de simulacin de la oferta y demanda global, con estimaciones de actividad para ponderar los % de cada sector demandante; etc. El Office trae un ejemplo para estimar la demanda de helados en M.delPlata disponiendo de 40 datos de produccin y 40 de lluvia, de calor y de turistas. Buscamos la funcin de ajuste para usarla en un pronstico del ao prximo (si previamente el gobierno y los tcnicos me estimaron la lluvia, calor y turistas para el ao prximo) Practicamos el mtodo de cuadrados mnimos, ya que es fcilmente aplicable con la Regresin de Excel (y sus equivalentes): Herramientas >Complementos > Anlisis de Datos > Regresin (vean en el TP anterior para Office 2007) En el primer rango que pide se pica el rojo y se seleccionan los datos de helados Y; en el segundo rango que pide se pica el rojo y se seleccionan los datos de/las variables independientes (siempre sin ttulos); como rango de salida se le indica una sola celda algo ms abajo de los datos; Aceptar. Imprime a continuacin el R y R2 para una variable; y para varias independientes el R2 "ajustado", indicara cuanto desvo hay entre los datos y el ajuste. En el (anova) anlisis de Varianza: el coeficiente F y al lado su valor crtico: si F es mayor el ajuste no ser aleatorio, casual, segn Snedecor (F de Fisher). Ms abajo muestra los coeficientes: la constante, u ordenada por el origen y los coeficientes de cada variable independiente para armar ud. la ecuacin de ajuste en otro lado (y compararla con los datos reales; adems de aplicarla a los datos estimados de lluvia, calor y turistas a fin de obtener el pronstico de helados para el ao prximo). Ah a la derecha figura el estadstico t, de Student (que para cada variable independiente calcula como ese coeficiente sobre el error tpico). Cada estadstico t se compara con el valor de la tabla Student y si resulta mayor que en tabla ello indicar que esa variable es importante en la proyeccin (el valor en tabla depende de los grados de libertad: cantidad de datos menos variable menos uno) Observando los coeficientes t de las variables se puede ver si conviene reemplazar alguna pobre por otra nueva mejor. Finalmente, estos datos tambin son suficientes para opinar si las variables independientes son representativas y no estn viciadas por colinealidad (indeseable relacin o proporcionalidad excesiva entre variables); por ejemplo relacionando los coeficientes t y R2, segn ensayos y los enfoques alternativos (mayor informacin en Microeconoma con Excel.pdf).