Presentación - Análisis de Regresión

Análisis de Regresión
1
Programa
CONTENIDOS
I. ANÁLISIS DE REGRESIÓN SIMPLE

II. ANÁLISIS DE REGRESIÓN MÚLTIPLE
III. ANÁLISIS DE SERIES TEMPORALES
2
PRINCIPALES USOS DE UN MODELO DE REGRESIÓN
3
PRINCIPALES USOS DE UN MODELO DE REGRESIÓN
4
SUPOSICIONES DEL MODELO DE REGRESIÓN LINEAL SIMPLE
5
El modelo es de la forma:
6
Como la muestra son pares ordenados (Xi,Yi) puede escribirse:
7
Como la muestra son pares ordenados (Xi,Yi) puede escribirse:
8
ECUACIONES NORMALES DEL MODELO DE REGRESIÓN LINEAL

SIMPLE
9
ECUACIONES NORMALES DEL MODELO DE REGRESIÓN LINEAL

SIMPLE
10
La línea de regresión estimada o ajustada es
y puede escribirse también
11
PROPIEDADES DE LOS ESTIMADORES MÍNIMO CUADRÁTICOS

DE REGRESIÓN LINEAL SIMPLE
12

13

14

15
PROPIEDADES DE LOS RESIDUALES EN LA REGRESIÓN LINEAL

SIMPLE
16

SIMPLE
17

SIMPLE
18

SIMPLE
19

SIMPLE
20
EJERCICIO
21
EJERCICIO
(cont.)
1. Represente en un diagrama de dispersión la relación de la tasa de

mortalidad con el porcentaje de inmunización. Considere como
variable independiente el porcentaje de inmunización y como
dependiente la tasa de mortalidad.
2. Calcule el coeficiente de determinación y analice la confiabilidad

del modelo que explica una relación lineal entre las variables.
3. Encuentre la ecuación de la línea de regresión del modelo.
4. Elimine las observaciones 11 y 12 y construya nuevamente el

modelo lineal que expresa la relación entre las dos variables.
Compare ambos modelos.
22
EJERCICIO
Demuestre que mediante las ecuaciones

normales del modelo de regresión se obtiene
un mínimo en el punto .
23
EJERCICIO
Demuestre que mediante las ecuaciones

normales del modelo de regresión se obtiene
un mínimo en el punto .
Sugerencia:
Puede aplicar el criterio de la segunda derivada a la
función bivariada
Es decir, probar que
24
DESVIACIÓN O ERROR TÍPICO EN LA RECTA DE REGRESIÓN
Hay varias fórmulas:
25

1. Cuadrado de las diferencias entre los valores empíricos y
estimados
26

estimados
2. Basada en la desviación estándar de Y y el coeficiente de

correlación entre X e Y
27

estimados
2. Basada en la desviación estándar de Y y el coeficiente de

correlación entre X e Y
3. En función de los coeficientes de regresión
28
PRUEBA DE HIPÓTESIS PARA EL COEFICIENTE DE REGRESIÓN
Sea b la pendiente de la recta de regresión.

Podemos hacer la prueba de hipótesis
Ho : b = B
H1 : b ≠ B
para la cual emplearemos el estadístico
o bien
29
INTERVALO DE CONFIANZA PARA EL COEFICIENTE DE

REGRESIÓN
Sea b la pendiente de la recta de regresión.

Un intervalo de confianza para b es
donde s es el error estándar
30
INTERVALO DE CONFIANZA PARA EL VALOR REAL DE Y EN LA

POBLACIÓN DE LA CUAL PROCEDE LA MUESTRA
siendo
31
VARIACIÓN EXPLICADA Y NO EXPLICADA
Elevando al cuadrado y sumando sobre todas las observaciones
La suma de productos del lado derecho puede escribirse
y es igual a cero por las propiedades de los

residuales
Por tanto obtenemos

VARIACIÓN TOTAL = VARIACIÓN NO EXPLICADA + VARIACIÓN EXPLICADA
La razón entre la variación explicada por el análisis de regresión y

la variación total expresa la proporción de la variación total de Y
explicada por el análisis de regresión. Se llama COEFICIENTE DE
DETERMINACIÓN.
34
EJERCICIO
Considere la tabla:
35
EJERCICIO
El índice de tolerancia fue hallado mediante encuesta. Se basa en la

tolerancia en materia de libertad de prensa de acuerdo con la siguiente
puntuación: No acepta el control de prensa (3 puntos), lo acepta pero
suave (2 puntos), acepta un fuerte control de prensa (1 punto).
La cifra de alumnos universitarios representa la tasa de alumnos
matriculados por cada 10 000 habitantes según la provincia de
residencia de los padres.
36
EJERCICIO
a) Indique las variables existentes y su tipo

b) Analice si se puede emplear en análisis de regresión
c) Realice un diagrama de dispersión y analícelo.
d) Encuentre la ecuación de la recta de regresión
e) Estime el índice de tolerancia probable correspondiente a provincia
de La Coruña, con una tasa de alumnos de 25.
f) Halle el error típico de estimación
g) Suponiendo que los datos provienen de una muestra obtenida al
azar pruebe la hipótesis nula de que el coeficiente en la población
no difiere significativamente de 0.
37
ANÁLISIS DE VARIANZA PARA LA REGRESIÓN LINEAL
Para probar la hipótesis Ho : b = 0
TABLA ANOVA
SSR: Suma de Cuadrados de la Regresión

MSR: Cuadrado Medio de la Regresión
SSE: Suma de Cuadrados del Error
MSE: Cuadrado Medio del Error
38
PRUEBA PARA DETERMINAR SI LA RELACION ENTRE

DOS VARIABLES ES LINEAL O CURVILÍNEA
Solo es posible en el caso de que para cada valor de X tengamos

diversos valores de Y o cuando los datos están agrupados.
Para el caso de datos agrupados en K categorías se puede utilizar el

análisis de varianza. Una fórmula equivalente es:
El F crítico es el correspondiente a k-2 y n-k grados de libertad.

El valor del cuadrado de E puede calcularse mediante la fórmula:
Nota: suma de cuadrados entre grupos = variación explicada

39
EJERCICIO
40
EJERCICIO
a) Indique las variables existentes y su tipo

b) Analice si se puede emplear en análisis de regresión
c) Realice un diagrama de dispersión y analícelo.
d) Encuentre la ecuación de la recta de regresión
e) Halle dos valores estimados de Y mediante la ecuación de la recta
de regresión, halle el error típico de estimación que suponen los
valores estimados con relación a los valores empíricos y fije
gráficamente los límites dentro de los que deben encontrarse el
68.2% de los datos.
f) Estimar el porcentaje de amas de casa que se creen muy felices en
Canarias, Extremadura y Sierra, teniendo en cuenta que el índice
de renta de dichas regiones es 68, 81 y 73 respectivamente.
41
REGRESIÓN NO LINEAL
La ecuación de la línea recta es la más simple y la más

comúnmente usada entre las expresiones matemáticas
con las que se representa la forma y la naturaleza de la
relación entre dos o más variables, pero no es la única.
Existe prácticamente un número ilimitado de ecuaciones
no lineales que pueden cumplir también dicha función.
Su fundamentación es distinta en cada caso.
42
REGRESIÓN NO LINEAL
Por ejemplo, en la regresión parabólica, la ecuación de

regresión presenta la siguiente forma
Los parámetros de esta ecuación, a, b1 y b2 se obtienen

resolviendo el siguiente sistema de ecuaciones
43
EJERCICIO
a) Representar la relación
entre las variables en un
diagrama de dispersión.
b) Suponiendo que la
asociación entre las dos
variables es no lineal
parabólica, escribir la
ecuación de la parábola
correspondiente.
44
EJERCICIO En la tabla ser representan

los gastos en publicidad y el
volumen de ventas de una
empresa.
a) Calcule el coeficiente
de correlación lineal
entre ambas variables.
b) Represente en un
diagrama de dispersión
la relación publicidad –
ventas.
c) ¿Hay evidencia para
rechazar al nivel 0.05
que la pendiente de la
recta de regresión es
0?
d) ¿Qué porcentaje de la
variación total es la
variación explicada por
la recta de regresión?
45
REGRESIÓN MÚLTIPLE
Es una extensión del análisis de regresión, en principio,

a cualquier número de variables: una dependiente y las
demás independientes.
En el caso de sólo dos variables independientes, la

ecuación de regresión lineal múltiple tiene la fórmula:
46
El coeficiente b1.23 asegura que la media de los valores

de Y coincide con los valores de X.
Los coeficiente b12,3 y b13,2 tienen un significado análogo
al coeficiente b de la ecuación de regresión simple.
Indican la tasa de cambio de la variable dependiente Y
por cada unidad de variación en la variable
independiente que se trate, cuando los efectos de la
otra variable permanecen constantes.
Los parámetros de esta ecuación se llaman, el primero,
coeficiente de regresión múltiple y los otros dos,
coeficientes de regresión parciales. 47
Para calcular estos parámetros se debe resolver el

sistema de ecuaciones normales:
48
El valor de estos parámetros puede obtenerse

directamente a partir de los coeficientes de correlación,
mediante las fórmulas:
49
σ 1 y σ2 son las desviaciones típicas de las variables

indicadas en el subíndice.
X1 , X2 y X3 son las medias de las variables indicadas por
el subíndice.
Los coeficientes beta se calculan según las fórmulas:
Los coeficientes r son los coeficientes de correlación

entre las variables indicadas por los subíndices.
50
ERROR TÍPICO DE ESTIMACIÓN
Es una generalización del error típico de la regresión

lineal simple. Sus fórmulas son:
(para es obvio que m=2)

Y, usando coeficientes de correlación:
51
COEFICIENTE DE DETERMINACIÓN MÚLTIPLE
52
En el caso de más de tres variables, la ecuación de

regresión es semejante a la de tres variables.
Por ejemplo, en el caso de cuatro variables la ecuación
se regresión sería:
53
EJERCICIO
Considere la tabla:
54
EJERCICIO
a) Escriba la ecuación de regresión tomando el índice de tolerancia

como variable dependiente.
b) Dada la ecuación de regresión obtenida, halle los valores
estimados de X1 según los valores empíricos de X2 y X3 dados en el
ejercicio.
c) Calcule las desviaciones típicas de las variables del enunciado y el
coeficiente de correlación r de Pearson de cada una de ellas con
todas las demás y forme la matriz de correlaciones
correspondiente.
d) A modo de comprobación, calcule los coeficientes b del análisis de
regresión múltiple realizado aplicando las fórmulas en función de
los coeficientes beta, las desviaciones y los coeficiente de
correlación.
e) Calcule los coeficientes de correlación parcial.
55
EJERCICIO
Considere la tabla:
56
EJERCICIO
a) Escriba la ecuación de regresión tomando el porcentaje de muy

felices como variable dependiente.
b) Interprete los coeficientes de regresión múltiple obtenidos.
c) Calcule las medias, desviaciones típicas de las variables del
enunciado y el coeficiente de correlación r de Pearson de cada una
de ellas con todas las demás y forme la matriz de correlaciones
correspondiente.
57
NORMALIZACIÓN DE LOS COEFICIENTES DE REGRESIÓN
58
Para comparar la importancia relativa de los coeficientes o

parámetros de la ecuación de regresión múltiple éstos se pueden
comparar directamente, si se refieren a las mismas unidades.
59
Para comparar la importancia relativa de los coeficientes o

parámetros de la ecuación de regresión múltiple éstos se pueden
comparar directamente, si se refieren a las mismas unidades.
Si no es así, se deben normalizar dividiendo los parámetros y las

incógnitas por la desviación típica correspondiente. Entonces la
ecuación de regresión original
haciendo
se transforma en
60
CORRELACIÓN MÚLTIPLE
El coeficiente de correlación múltiple representa el

grado de asociación entre una variable dependiente y
dos o más variables independientes tomadas en
conjunto.
Para calcularlo se multiplica el coeficiente beta de cada
variable independiente por su correlación con la variable
dependiente y se suman los productos.
El coeficiente de determinación es el cuadrado del
coeficiente de correlación múltiple.
61
CORRELACIÓN MÚLTIPLE AJUSTADA
La correlación múltiple ajustada es una correlación

múltiple reducida que pretende ser una estimación del
coeficiente de determinación en la población, no en la
muestra.
N: tamaño de la muestra
k: cantidad de variables independientes
62
SIGNIFICADO DEL COEFICIENTE DE CORRELACIÓN MÚLTIPLE
63
❑ Su valor puede variar entre -1 y 1.
64

❑ Si es cero, indica la inexistencia de asociación entre la
variable dependiente y las independientes tomadas en
conjunto.
65

conjunto.
❑ Si es uno, indica una asociación perfecta entre dichas
variables.
66

conjunto.
variables.
❑ El signo carece de significación en este tipo de
correlación.
67

conjunto.
variables.
❑ El signo carece de significación en este tipo de
correlación.
❑ Un coeficiente de correlación lineal múltiple no es
incompatible con la posible existencia entre las variables
de una correlación no lineal distinta de cero.
68
COEFICIENTES DE CORRELACIÓN PARCIAL
La correlación parcial entre A y B, manteniendo C

constante se calcula mediante la fórmula:
69
MATRIZ DE CORRELACIONES
X1 X2 X3 X4 X5 X6 X7 X8
X1
X2
X3
X4
X5
X6
X7
X8
70
Coeficiente de correlación múltiple para tres variables (se supone que
la variable X1 ha sido aislada para examinar su relación con las
variables X2 y X3).
71
EJERCICIO
Dada la siguiente matriz de correlaciones, calcule el coeficiente de

correlación múltiple. Considere el indicador de población activa agraria
como variable dependiente.
Población agraria Tecnificación Tasa de

activa inmigración
Población activa agraria 1 0.59 0.71
Tecnificación 0.59 1 0.25
Tasa de inmigración 0.71 0.25 1
72
EJERCICIO
73
EJERCICIO
74
EJERCICIO
Nota: β es la pendiente de la recta de regresión
75
Análisis de series temporales
76
Series temporales
Los fenómenos se pueden estudiar

estadísticamente en un momento
determinado o teniendo en cuenta su
evolución en el tiempo.
77
Series temporales
Dos tipos de investigaciones:
78
Series temporales
• Investigaciones sincrónicas o seccionales
79
Series temporales

(estudian el fenómeno en un momento dado
del tiempo)
80
Series temporales

del tiempo)
• Investigaciones diacrónicas o longitudinales
81
Series temporales

del tiempo)
• Investigaciones diacrónicas o longitudinales

(estudian el fenómeno en una serie de
momentos temporales sucesivos)
82
Series temporales
Para los estudios de tipo diacrónico pueden

emplearse, desde el punto de vista
cuantitativo, dos tipos de enfoques:
83
Series temporales

• Univariado
84
Series temporales

• Univariado: Tiene en cuenta únicamente la

serie de valores observados para el fenómeno
en cuestión.
85
Series temporales


en cuestión.
• Multivariado
86
Series temporales


en cuestión.
• Multivariado: Puede referirse a más de una

variable.
87
Series temporales
Una serie temporal está formada por un

conjunto de valores obtenidos de
observaciones referentes al mismo fenómeno
en una sucesión de momentos de tiempo,
normalmente a intervalos iguales.
88
Series temporales
El punto de partida para el análisis es la representación gráfica del

fenómeno.
89
Series temporales

fenómeno.
Se distinguen cuatro elementos, aspectos o tipos de variación

principales:
90
Series temporales

fenómeno.

principales:
• Un componente de larga duración, llamado también de
tendencia.
91
Series temporales

fenómeno.

principales:
tendencia.
• Otro componente cíclico, de duración media, constituido por
oscilaciones alrededor de la tendencia central.
92
Series temporales

fenómeno.

principales:
tendencia.
• Otro componente estacional formado por variaciones cortas
que se repiten periódicamente con regularidad similar a las de las
estaciones del año solar.
93
Series temporales

fenómeno.

principales:
tendencia.
• Otro componente estacional formado por variaciones cortas
que se repiten periódicamente con regularidad similar a las de las
estaciones del año solar.
• Un componente irregular, formado por variaciones
ocasionales aleatorias que parecen no obedecer a norma alguna
detectable.
94
Series temporales
Generalmente se utilizan dos modelos:
95
Series temporales
• Modelo aditivo
96
Series temporales
• Modelo aditivo
• Modelo multiplicativo
97
Series temporales
Modelo aditivo
98
Series temporales
Modelo aditivo
Y=T+C+E+I
99
Series temporales
Modelo multiplicativo
100
Series temporales
Modelo multiplicativo
Y = TCEI
101
Técnicas de estimación de la
tendencia
102
Series temporales
• Técnica de los semipromedios.
103
Series temporales
• Técnica de los promedios móviles.
104
Series temporales
• Técnica de los promedios móviles.
• Técnica de los mínimos cuadrados.
105
Series temporales
Técnica de los semipromedios
106
Series temporales
Técnica de los semipromedios
Se divide la serie cronológica en dos

partes, de ser posible iguales, se calcula
la media aritmética de ambas partes, se
sitúan los dos puntos correspondientes en
el gráfico de la serie y se unen mediante
una línea recta.
107
Series temporales
Técnica de los promedios móviles
108
Series temporales

a) Se determinan en la serie los períodos de tres o cinco
años, según más convenga a los ciclos que sigan las
series. Pueden utilizarse períodos mixtos de tres,
cinco, etc años a la vez.
109
Series temporales

b) Establecida la amplitud de los períodos se calculan los
totales móviles de la serie que corresponden a la
amplitud del período elegido.
110
Series temporales

b) Establecida la amplitud de los períodos se calculan los
totales móviles de la serie que corresponden a la
amplitud del período elegido.
c) Cada uno de estos totales móviles obtenidos se divide
por el número de años que comprenda el período,
obteniendo en esta forma los promedios o medias
móviles buscados.
111
Series temporales
Técnica de los mínimos cuadrados
112
Series temporales
Técnica de los mínimos cuadrados
Se busca, por el procedimiento de los

mínimos cuadrados, la ecuación de la
recta de regresión, curva parabólica,
exponencial, logarítmica, etc., que mejor
se ajuste al conjunto de valores que
comprende la serie cronológica.
113
Series temporales
EJERCICIO
Considere los datos:

AÑOS EMIGRANTES AÑOS EMIGRANTES
0 29 000 7 26 000
1 59 000 8 67 000
2 65 000 9 101 000
3 84 000 10 98 000
4 102 000 11 114 000
5 75 000 12 104 000
6 57 000 13 96 000
a) Represente gráficamente la serie temporal.
b) Estime la tendencia empleando la técnica de los semipromedios.
c) Estime la tendencia por la técnica de los promedios móviles.
d) Estime la tendencia por la técnica de los mínimos cuadrados. 114
Técnicas para la estimación
de las variaciones
estacionales
115
Series temporales
En este caso lo que se trata es establecer la

pauta estadística de variación de los datos con
referencia al período estacional que
normalmente es cada mes dentro de cada año.
116
Series temporales
En este caso lo que se trata es establecer la

pauta estadística de variación de los datos con
referencia al período estacional que
normalmente es cada mes dentro de cada año.
Esta pretensión se logra formando el índice

estacional que señala el grado de amplitud
relativo de cada mes dentro del año, con
relación a una base prefijada.
117
Series temporales
Los procedimientos más extendidos para hallar

el índice estacional son los siguientes:
118
Series temporales

• Técnica del porcentaje promedio
119
Series temporales

• Técnica del porcentaje promedio móvil
120
Series temporales

• Técnica del porcentaje promedio móvil
• Técnica del porcentaje de tendencia o

razón de tendencia.
121
Series temporales
Técnica del porcentaje promedio
Los valores de cada mes se expresan como

porcentajes de la media anual. Por tanto, la
suma de los porcentajes de todos los meses
debe ser igual 1200. Si no es así, deben
multiplicarse por la proporción adecuada para
que se produzca este ajuste. Obtenido el
índice mensual de varios años se puede
formar el índice común para todos ellos,
obteniendo su media.
122
Series temporales
EJERCICIO
En la tabla siguiente se expresan, en millares,

las ventas trimestrales de automóviles de
turismo durante seis años:
AÑO TRIMESTRES
Primero Segundo Tercero Cuarto
Año 1 45 56 51 47
Año 2 45 53 44 30
Año 3 64 79 62 46
Año 4 59 58 41 20
Año 5 62 59 52 32
Año 6 48 36 19 10
123
Series temporales
Técnica del porcentaje promedio móvil
Se debe calcular primero el promedio móvil de

doce meses para los datos originales, y
después el promedio móvil de dos meses,
para centrar o hacer que caigan los resultados
obtenidos en el centro del mes al que se
refieren y no entre dos meses. Luego, los
datos originales se expresan como
porcentajes del valor que corresponda al
promedio móvil centrado de doce meses.
124
Series temporales
Técnica del porcentaje de tendencia o

razón de tendencia
Se eliminan de los datos el componente de la

tendencia, expresando los resultados de cada
mes como porcentajes de los valores de
tendencia mensuales. Si se consideran, como
es normal, varios años, se halla la media de
las cantidades obtenidas para el mismo mes
dentro de cada año como porcentaje de los
valores de tendencia mensuales.
Esta técnica tiene el inconveniente de que el
índice puede incluir variaciones cíclicas.
125
Técnicas para la estimación
de las variaciones cíclicas y
de las irregulares
126
Series temporales
Deben distinguirse dos casos:
• Se opera con datos anuales
127
Series temporales
Deben distinguirse dos casos:
• Se opera con datos anuales
• Se opera con datos mensuales
128
Series temporales
Se opera con datos anuales
129
Series temporales
Se opera con datos anuales
En este caso los datos no contienen

variaciones estacionales. Se trata solo de
deducir de los datos anuales originales los
valores de tendencia si el modelo que se
sigue es aditivo y dividir dichos valores por los
de tendencia si el modelo es multiplicativo.
130
Series temporales
EJERCICIO
En la tabla siguiente se expresan, en miles redondeados de
personas, los emigrados españoles a Europa asistidos por el
Instituto Español de la Emigración, según datos de este mismo
Instituto, durante los años 1960 a 1973. Estimar las variaciones
cíclicas utilizando las estimaciones de tendencia.
AÑO Emigrantes AÑO Emigrantes
1960 29 1967 26
1961 59 1968 67
1962 65 1969 101
1963 84 1970 98
1964 102 1971 114
1965 75 1972 104
1966 57 1973 96
131
Series temporales
Se opera con datos mensuales
Se dividen los resultados originales por las estimaciones de tendencia

y estacional, procurando eliminar después las variaciones irregulares
mediante la utilización de un promedio móvil. Los resultados se dan en
porcentajes.
132
Series temporales

porcentajes.
La estimación de las variaciones irregulares se realiza ajustando los

datos originales sucesivamente según los valores de tendencia y las
variaciones estacionales y las cíclicas.
133
Series temporales

porcentajes.

Si el modelo es multiplicativo, se obtiene I, que representa las

variaciones irregulares, dividiendo los datos originales sucesivamente
por T, E y C.
134
Series temporales

porcentajes.

Si el modelo es multiplicativo, se obtiene I, que representa las

variaciones irregulares, dividiendo los datos originales sucesivamente
por T, E y C.
Si el modelo es aditivo, se obtiene el mismo resultado I, restando los
datos originales T, E y C.
135

Presentación - Análisis de Regresión

Cargado por

Copyright:

Formatos disponibles

Presentación - Análisis de Regresión

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Presentación - Análisis de Regresión

Cargado por

Copyright:

Formatos disponibles

Análisis de Regresión

I. ANÁLISIS DE REGRESIÓN SIMPLE

PRINCIPALES USOS DE UN MODELO DE REGRESIÓN

PRINCIPALES USOS DE UN MODELO DE REGRESIÓN

SUPOSICIONES DEL MODELO DE REGRESIÓN LINEAL SIMPLE

SUPOSICIONES DEL MODELO DE REGRESIÓN LINEAL SIMPLE

SUPOSICIONES DEL MODELO DE REGRESIÓN LINEAL SIMPLE

Como la muestra son pares ordenados (Xi,Yi) puede escribirse:

SUPOSICIONES DEL MODELO DE REGRESIÓN LINEAL SIMPLE

Como la muestra son pares ordenados (Xi,Yi) puede escribirse:

ECUACIONES NORMALES DEL MODELO DE REGRESIÓN LINEAL

ECUACIONES NORMALES DEL MODELO DE REGRESIÓN LINEAL

La línea de regresión estimada o ajustada es

y puede escribirse también

PROPIEDADES DE LOS ESTIMADORES MÍNIMO CUADRÁTICOS

PROPIEDADES DE LOS ESTIMADORES MÍNIMO CUADRÁTICOS

PROPIEDADES DE LOS ESTIMADORES MÍNIMO CUADRÁTICOS

PROPIEDADES DE LOS ESTIMADORES MÍNIMO CUADRÁTICOS

PROPIEDADES DE LOS RESIDUALES EN LA REGRESIÓN LINEAL

PROPIEDADES DE LOS RESIDUALES EN LA REGRESIÓN LINEAL

PROPIEDADES DE LOS RESIDUALES EN LA REGRESIÓN LINEAL

PROPIEDADES DE LOS RESIDUALES EN LA REGRESIÓN LINEAL

PROPIEDADES DE LOS RESIDUALES EN LA REGRESIÓN LINEAL

1. Represente en un diagrama de dispersión la relación de la tasa de

2. Calcule el coeficiente de determinación y analice la confiabilidad

3. Encuentre la ecuación de la línea de regresión del modelo.

4. Elimine las observaciones 11 y 12 y construya nuevamente el

Demuestre que mediante las ecuaciones

Demuestre que mediante las ecuaciones

Es decir, probar que

DESVIACIÓN O ERROR TÍPICO EN LA RECTA DE REGRESIÓN

Hay varias fórmulas:

DESVIACIÓN O ERROR TÍPICO EN LA RECTA DE REGRESIÓN

Hay varias fórmulas:

DESVIACIÓN O ERROR TÍPICO EN LA RECTA DE REGRESIÓN

Hay varias fórmulas:

2. Basada en la desviación estándar de Y y el coeficiente de

DESVIACIÓN O ERROR TÍPICO EN LA RECTA DE REGRESIÓN

Hay varias fórmulas:

2. Basada en la desviación estándar de Y y el coeficiente de

3. En función de los coeficientes de regresión

PRUEBA DE HIPÓTESIS PARA EL COEFICIENTE DE REGRESIÓN

Sea b la pendiente de la recta de regresión.

INTERVALO DE CONFIANZA PARA EL COEFICIENTE DE

Sea b la pendiente de la recta de regresión.

donde s es el error estándar

INTERVALO DE CONFIANZA PARA EL VALOR REAL DE Y EN LA

Elevando al cuadrado y sumando sobre todas las observaciones

La suma de productos del lado derecho puede escribirse

y es igual a cero por las propiedades de los

Por tanto obtenemos

VARIACIÓN EXPLICADA Y NO EXPLICADA

VARIACIÓN TOTAL = VARIACIÓN NO EXPLICADA + VARIACIÓN EXPLICADA

La razón entre la variación explicada por el análisis de regresión y

El índice de tolerancia fue hallado mediante encuesta. Se basa en la

a) Indique las variables existentes y su tipo

ANÁLISIS DE VARIANZA PARA LA REGRESIÓN LINEAL

Para probar la hipótesis Ho : b = 0

SSR: Suma de Cuadrados de la Regresión