REGRESIÓN LINEAL USANDO

STATA 15
 Temario
• ¿Qué es una regresión lineal?
• Propiedades de los estimadores de la regresión lineal
• ¿Para qué la regresión lineal?
• Ejemplo general
• Lectura de los coeficientes
• Verificación de los supuestos del modelo
 Temario
• ¿Qué es una regresión lineal?
• Propiedades de los estimadores de la regresión lineal
• ¿Para qué la regresión lineal?
• Ejemplo general
• Lectura de los coeficientes
• Verificación de los supuestos del modelo
 Regresión lineal simple (MCO)
El proceso de mínimo cuadrados ordinarios permite hacer una estimación de
los parámetros β en la ecuación:

𝑌 = 𝑓 𝑋1, 𝑋2, … 𝑋𝑛 = 𝛽0+ 𝛽1X1+ 𝛽2X2 +……𝛽𝑛

Cuando se cree que Y está determinada de manera por las variables X1,
X2,…Xn mediante una función lineal, llamada Función de Regresión Poblacional
(FRP).
Los valores de los β encontrados mediante el proceso de MCO dan origen a la
Función de Regresión Muestral (FRM) que es la aproximación a la FRP. Los
valores de X e Y tomados durante este proceso serán de corte transversal.
 Notación
Variable(s) Xi Variable Y
Independiente Dependiente
Explicativa
Explicada
Regresora
Regresada
Predictora
Control Respuesta
 Temario
• ¿Qué es una regresión lineal?
• Propiedades de los estimadores de la regresión lineal
• ¿Para qué la regresión lineal?
• Ejemplo general
• Lectura de los coeficientes
• Verificación de los supuestos del modelo
 Propiedades de los estimadores

CONSISTENCIA INSESGADEZ EFICIENCIA

 Temario
• ¿Qué es una regresión lineal?
• Propiedades de los estimadores de la regresión lineal
• ¿Para qué la regresión lineal?
• Ejemplo general
• Lectura de los coeficientes
• Verificación de los supuestos del modelo
Utilidades de la regresión lineal
• Predicción de variables económicas y/o comportamentales.
• Determinar la efectividad de distintos medios de
comunicación en una campaña publicitaria.
• Evaluar la capacidad predictiva de una teoría.
• Relacionar factores que inciden en la presencia de cierta
enfermedad, ya sea de manera individual o conjunta.
• Cálculo de la eficiencia de una reacción química dadas
ciertas condiciones.
• Predicción de la resistencia de materiales de construcción.
 Temario
• ¿Qué es una regresión lineal?
• Propiedades de los estimadores de la regresión lineal
• ¿Para qué la regresión lineal?
• Ejemplo general
• Lectura de los coeficientes
• Verificación de los supuestos del modelo
Ejemplo de regresión lineal
• Supongamos que se tiene la siguiente base de datos,
que muestra para 30 familias el valor de la canasta
alimenticia, además del número de integrantes y el
ingreso medio de cada familia.
ValorCanastaIntegrantes IngresosFamiliares ValorCanasta Integrantes IngresosFamiliares
$ 201.033 2 $ 1.407.782 $ 282.871 4 $ 1.862.010
$ 516.546 4 $ 3.264.984
$ 222.907 2 $ 1.582.773
$ 321.834 4 $ 2.173.715
$ 536.148 3 $ 3.988.463 $ 381.424 4 $ 1.987.822
$ 218.469 3 $ 1.085.275 $ 597.091 4 $ 3.828.798
$ 168.866 3 $ 1.050.207 $ 217.256 4 $ 1.169.953
$ 577.255 3 $ 3.237.991 $ 327.935 5 $ 2.122.283
$ 358.300 3 $ 2.244.968 $ 478.021 5 $ 2.492.225
$ 503.458 6 $ 3.426.220
$ 540.092 3 $ 3.015.010 $ 571.485 7 $ 3.386.422
$ 389.755 3 $ 2.465.152 $ 291.878 7 $ 1.225.008
$ 346.239 4 $ 1.776.714 $ 359.600 7 $ 1.631.342

ValorCanasta Integrantes IngresosFamiliares

$ 450.371 8 $ 2.801.051
Valor Medio = Y $ 274.817 8 $ 1.396.619
Integrantes = X1 $ 573.009 8 $ 3.782.150
Ingresos Familiares = X2 $ 542.488 8 $ 3.537.987
$ 367.621 8 $ 2.139.051
$ 308.790 9 $ 1.568.160
$ 541.168 9 $ 2.998.784
$ 420.006 9 $ 2.457.887
Ejemplo de regresión lineal
En este caso, creemos que los valores de X1 y X2
determinan los valores de Y por medio de la ecuación:

𝑌෨ = 𝑓 𝑋1, 𝑋2 = 𝛽0+ 𝛽1X1+ 𝛽2X2

A partir de la experiencia se esperaría que 𝛽1 𝛽2 tengan

signo positivo, porque a mayor número de integrantes y a
mayor ingreso familiar se esperaría un valor de canasta
superior.
 Temario
• ¿Qué es una regresión lineal?
• Propiedades de los estimadores de la regresión lineal
• ¿Para qué la regresión lineal?
• Ejemplo general
• Lectura de los coeficientes
• Verificación de los supuestos del modelo
Lectura de coeficientes
Lectura de coeficientes
En este caso, creamos nuestra FRM a partir de los valores, así:

𝑌෨ = 𝑓 𝑋1, 𝑋2 = 38471,19 + 7163,5X1+ 0,1351X2

Esto nos diría que cada integrante adicional aumenta el valor

de la canasta en 7.163,5; además cada peso de salario
familiar aumenta el valor de la canasta en 0,1351 pesos.
 Temario
• ¿Qué es una regresión lineal?
• Propiedades de los estimadores de la regresión lineal
• ¿Para qué la regresión lineal?
• Ejemplo general
• Lectura de los coeficientes
• Verificación de los supuestos del modelo
Verificación de los supuestos del modelo
• Los datos son aleatorios dentro de la muestra.
• Es lineal en los parámetros.
• No existe multicolinealidad.
• El valor esperado de ε es cero (Garantiza insesgadez).
• Existe homoscedasticidad. (La varianza del error es
constante)
• El error se distribuye de manera normal.
• La forma funcional es correcta.