Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Covadonga Caso, Esteban Fernndez, Ana Salom Garca, Matas Mayor, M Rosala Vicente
ndice
Correlacin y regresin Rectas de regresin minmo cuadrticas Anlisis de bondad de modelos Prediccin con modelos causales
Correlacin y regresin
Correlacin y regresin
Estudio del tipo e intensidad de las relaciones entre variables estadsticas
Correlacin:
Construir modelos Y=f(X) para representar la relacin causal entre dos variables
Regresin:
Correlacin y regresin
Regresin
La nube de puntos sirve de orientacin sobre la forma de la funcin que mejor aproxima las observaciones (funcin de ajuste Y=f(X))
=Sugiere un ajuste lineal
parmetros
desconocidos
Objetivo
Determinar los parmetros que especican la funcin de ajuste Y= f(X) Para cada valor observado de la variable independiente X (xi ) se pueden considerar dos valores de la variable dependiente Y : Valor observado (yj ) Valor terico obtenido mediante la funcin de ajuste yti = f (xi ) La diferencia entre el valor observado y el valor terico recibe el nombre de error o residuo (eij = yj yti )
k m
i =1j =1
k m
b0 ,b1
min E (b0 , b1 ) =
i =1j =1
k m
k m
i =1j =1
Ecuaciones Normales
k m E (b0 , b1 ) = 2 (yj b0 b1 xi ) nij = 0 b0 i =1 j =1 k m E (b0 , b1 ) = 2 (yj b0 b1 xi ) xi nij = 0 b1 i =1 j =1
Introduccin a la Estadstica Econmica (
(1) (2)
Solucin
S b1 x b1 = XY 2 ; b0 = y SX
Propiedad
La recta de regresin de Y sobre X se puede expresar como:
) = (y y
SXY 2 (x x ) SX
Interpretacin de parmetros
b0 : Ordenada en el origen b1 : Pendiente de la recta b1 = dY dX . Variacin de Y ante un incremento unitario de X
Denicin
La pendiente de la recta de regresin mnimo cuadrtica de Y sobre X se denomina coeciente de regresin de Y sobre X (rY /X )
Propiedad
El coeciente de regresin de Y sobre X puede ser expresado como: S rY /X = rXY Y SX
Y=-3,5+0,25X
Ante un aumento de la renta de 1.000 euros se espera un aumento del gasto en viajes de 250 euros
i =1j =1
eij nij = 0
k m
La recta de ajuste mnimo cuadrtica pasa por el centro de gravedad ) de la distribucin ( x,y Si dos variables X e Y son incorreladas, la recta de regresin es paralela al eje de abcisas y = y
- Error que queda tras efectuar la regresin eij = (yj yti ) ) - Desviacin que es explicada por la regresin (yti y
i =1
)2 fi . (yti y
k m
i =1j =1
Propiedad
En un ajuste lineal, la varianza de la variable dependiente Y puede ser expresada como suma de la varianza explicada y la varianza residual:
2 2 2 SY = SY t + Se
Coeciente de determinacin
A partir de la descomposicin de la varianza de Y (caso lineal):
2 2 SY Se 2 = S2 + S2 = t SY 2 + 2 e 1 = SY Yt SYt
0 R2 1 El coeciente de determinacin es nulo cuando el modelo no aporta ninguna explicacin sobre el comportamiento de Y Cuando el ajuste es perfecto R 2 = 1 En el caso de regresin lineal simple el coeciente de determinacin coincide con el cuadrado del coeciente de correlacin lineal, es decir, 2 R 2 = rXY
R2 = 1
3, 9 7, 65 = = 0, 66 11, 55 11, 55
El 66% de las variaciones del gasto en viajes se explican mediante la recta mnimo cuadrtica a partir de la renta
Prediccin
Si la variable X toma el valor x0 , la prediccin de Y se obtiene como el valor terico de la variable Y condicionado a dicho valor de la variable explicativa: yt 0 = b0 + b1 x0
Fiabilidad de la prediccin
Capacidad explicativa del modelo R 2 Posicin del valor para el que se predice en relacin con los valores de X para los que se estima el modelo (interpolacin-extrapolacin)
Ilustracin prediccin
Prediccin para x0 = 40
Fiabilidad de la prediccin?
Modelo con alta capacidad explicativa El valor 40 se sita lejos del recorrido para el que se estim la recta, por lo que no puede asegurarse que se mantenga el mismo patrn de comportamiento = La prediccin no tiene garantas
Introduccin a la Estadstica Econmica (
Objetivos de aprendizaje
Al nalizar el tema 6 el estudiante debe ser capaz de: Distinguir los conceptos de correlacin y regresin y analizar la conexin entre ambos Calcular rectas de regresin por ajuste mnimo-cuadrtico Interpretar los coecientes de la recta de regresin Analizar la bondad de un modelo mediante el coeciente de determinacin Calcular predicciones a partir de modelos causales y analizar su abilidad