Proceso de Optimización de Modelo de Regresión

A Modelo Inicial Incluyendo todas la Variables Independientes

1 Linealidad Global de la Regresión

2 Poder Predictivo del Modelo de Regresión
3 Prueba de Significancia Global de la Regrsión
4 Prueba de Significancia de los Parámetros
5 Linealidad de cada variable independiente con respecto a
la variable dependiente
B Análisis de Multicolinealidad entre variables independientes

Validar que no existe linealida de cada variable

independiente con respecto a cada una de las otras.
C Optimización de Modelo de Regresión
1 Utilizar el método de Pasos hacia Atrás
2 Descartar coeficientes no significativos

3 Determinar grado de predicción ( R2 aiustado).

4 Determinar mayor precisión

5 Definir los coeficientes significativos

Y = β0 + β1 X1 + β2 X2 + β3 X3 + U
D Puntos Atípicos
1 Identificar los puntos atípicos (alejados influyentes)
2 Eliminar los puntos atípicos

E Validación de Supuestod de Residuos

1 Homocedasticidad de Residuos

2 Independencia de Residuos (No autorrelación)

3 Normalidad de Residuos
de Regresión
ependientes

Coeficiente de Correlación de Pearson. ( -0.7 < r < 0.70 )

Coeficiente de Determinación. ( R2 > 0.70 )
Valor Crítico de F en Análisis de Varianza, Anova. ( p < 0.05 )
Probabilidad de ser cero (p < 0.05)
Se puede hacer gráficas Individuales de dispersión Y vs X cada
variable independiente Linealidad Independiente de Variables
ependientes

Definir la Matriz de Coeficiente de Correlación.

Opcional: Valores de Factor de Infleación de Varianza (VIF)

Incluir todas las variables independientes

En cada vuelta descatar la variable independiente con mayor
probabilidad de ser cero. ( p > 0.05 )
Debería ir mejorando el coeficiente de Determinación. R 2 > 0.70 Proceso de Optimización de Model
El Error típico de la estimación con tendencia a menor valor Por Pasos Hacia Adelante
Descartar coeficientes hasta definir la totalidad de variables
indendientes significativas.

β2 X 2 + β3 X 3 + U Puntos Atipicos

Utilizar a tabla o gráfica de Residuos Estandarizados vs Y predicha

Eliminar los puntos atípicos con valor igual o mayor a 2.
Opcional: Residuos Estudentizados o Distancia de Cook

Homocedasticida
Analizar la gráfica de Residuos Ordinarios vs Y predicha. Dispersión d
uniforme a lo largo de los valores de Y predicha
Opcional: Estadístico de Prueba Breusch-Pagan, ( p > 0.05 )

Analizar la gráfica de Residuos Ordinarios según el orden secuencial

de las observación. Dispersión uniforme a la zar sin tendencia de
relación de un error con respecto al anterior.
Opcional: Estadístico de Prueba Durbin Watson. Valor p cercano a 2. (
Dupper < p < 4 - Dupper )
Analizar la gráfica de Probabilidad Normal, Tendencia lineal. No Autocorrelación
Opcional: realizar y analizar el histograma de residuos y verificar
comportamiento normal.
Opcional: Estadístico de Prueba Shapiro Wilk ( p > 0.05 )
 Matriz de Coeficientes de Correlación Lineal
ndiente de Variables

Optimización de Modelo de Regresión lineal Múltiple

Por Pasos Hacia Atrás Por Pasos Mixtos

Atipicos

Normalidad
 OPTIMIZACIÓN DE MODELO DE REGRESIÓN LINEAL MÚL

Y = β0 + β1 X1 + β2 X2 + β3 X3 + U
Correlación Lineal
Pearson
Escalando hacia
Adelante Coeficiente de
Determinación
Escalando hacia
Atrás
Significancia Global de
Escalando Mixto Regresión

Significancia de
Coeficientes e Intercepto

No Multicolinealidad

Puntos Atípicos

Modelo Optimizado
IÓN LINEAL MÚLTIPLE

X3 + U

Supuestos de Residuos

Homocedasticidad

Autocorrelación

Normalidad
obs IyD Adm Gestion Mark Estudio Utilidad
1 165,349 136,898 105,481 471,784 341,657 192,262
2 162,598 151,378 96,534 443,899 336,587 191,792
3 153,442 101,146 100,605 407,935 325,567 197,050
4 144,372 118,672 99,770 383,200 283,246 182,902
5 142,107 91,392 99,495 366,168 280,818 166,188
6 131,877 99,815 99,978 362,861 272,012 156,991
7 134,615 147,199 92,628 127,717 224,797 156,123
8 130,298 145,530 79,631 323,877 275,656 155,753
9 120,543 148,719 83,468 311,613 262,079 152,212
10 123,335 108,679 97,784 304,982 283,194 143,760
11 101,913 110,594 81,238 229,161 205,940 146,122
12 100,672 91,791 89,932 249,745 237,823 144,259
13 93,864 127,320 74,599 249,839 223,631 141,586
14 91,992 135,495 65,884 252,665 213,696 134,307
15 119,943 156,547 74,536 256,513 227,649 132,603
16 114,524 122,617 74,453 261,776 228,183 129,917
17 78,013 121,598 65,669 264,346 200,730 134,993
18 94,657 145,078 63,361 450,000 300,000 125,370
19 91,749 114,176 75,186 294,920 223,494 124,267
20 86,420 153,514 63,882 - 170,217 122,777
21 76,254 113,867 73,909 298,664 218,536 118,474
22 78,389 153,773 58,895 299,737 217,015 111,313
23 73,995 122,783 71,267 500,000 350,000 110,352
24 67,533 105,751 75,593 350,000 210,036 102,734
25 77,044 99,281 62,271 140,575 187,619 108,552
26 64,665 139,553 65,544 137,963 186,418 107,404
27 75,329 144,136 66,449 134,050 190,266 105,734
28 72,108 127,865 69,195 353,184 234,185 105,008
29 66,052 182,646 49,629 118,148 160,177 103,282
30 65,605 153,032 55,567 107,138 153,122 101,005
31 61,994 115,641 58,889 91,131 164,844 99,938
32 61,136 152,702 46,627 88,218 160,633 97,484
33 63,409 129,220 49,267 46,085 138,375 97,428
34 55,494 103,057 61,600 214,635 169,765 96,779
35 46,426 157,694 57,566 210,798 174,627 96,713
36 46,014 85,047 58,793 205,518 179,243 96,480
37 28,664 127,056 60,238 201,127 160,558 90,708
38 44,070 51,283 74,801 197,029 141,234 89,949
39 20,230 65,948 104,013 185,265 164,455 170,000
40 38,559 82,982 42,734 174,999 169,085 60,000
41 28,754 118,546 52,085 172,796 164,741 78,240
42 27,893 84,711 102,930 164,471 122,218 170,000
43 23,641 96,190 54,531 148,001 137,600 71,498
44 15,506 127,382 48,637 35,534 118,202 69,759
45 22,178 154,806 36,582 28,335 127,193 65,200
 Utilidad
250,000

estudio 200,000

f(x) = 0.396647849428324 x + 39562.6550386369

150,000 R² = 0.480099666142502

100,000

50,000

-
100,000 150,000 200,000 250,000 300,000 350,000 400,000

Utilidad
250,000

200,000
adm

150,000
f(x) = − 0.0607469297134029 x + 130906.196571509
100,000 R² = 0.00224235477894175

50,000

-
00 00 00 00 00 00 00 00
0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
4 6 8 10 12 14 16 18 2
 Utilidad
250,000

200,000

mark
150,000 f(x) = 0.166841366353441 x + 84089.1570676928
R² = 0.342939002200246

100,000

50,000

-
- 100,000 200,000 300,000 400,000 500,000 600,000

ad Utilidad
250,000

200,000

f(x) = 0.68285972894157 x + 67558.7167394279

150,000 R² = 0.625954004865701
IyD
100,000
34029 x + 130906.196571509
175 50,000

-
- 00 00 00 00 00 00 00 00 00
0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
2 4 6 8 10 12 14 16 18
0 00 00 00 00
00 ,0 ,0 ,0 ,0
0 0 0 0
14 16 18 20
 Utilidad
250,000

200,000

gestion f(x) = 1.72235251455712 x − 624.901734326078

150,000 R² = 0.824952298402902

100,000

50,000

-
30,000 40,000 50,000 60,000 70,000 80,000 90,000 100,000 110,000

8.7167394279

00 00 00 00
0,0 0,0 0,0 0,0
12 14 16 18