Cmo utilizar una Regresin Lineal para realizar un

Pronstico de Demanda
por GEO Tutoriales el 22/02/2014 en Estadstica, Proyeccin de Demanda
El mtodo de mnimos cuadrados o regresin lineal se utiliza tanto para
pronsticos de series de tiempo como para pronsticos de relaciones causales.
En particular cuando la variable dependiente cambia como resultado del tiempo
se trata de un anlisis de serie temporal. En el siguiente artculo
desarrollaremos un pronstico de demanda haciendo uso de la informacin
histrica de venta de un producto determinado durante los ltimos 12
trimestres (3 aos).
La ecuacin de mnimos cuadrados para la regresin lineal es la que se muestra
a continuacin donde 0 y 1 son los parmetros de intercepto y pendiente,
respectivamente:
Estimar los valores de dichos parmetros es sencillo haciendo uso de una
planilla Excel tal como muestra la tabla a continuacin:

Luego evaluamos en las ecuaciones presentadas anteriormente para obtener
los valores de 0 y 1:
Una vez obtenido los parmetros de la regresin lineal se puede desarrollar un
pronstico de demanda (columna color naranja) evaluando en la ecuacin de la
regresin para los distintos valores de la variable independiente (x). Por
ejemplo para el primer trimestre el pronstico
es:Y(1)=441,71+359,61*1=801,3. Observacin: los valores de los
pronsticos han sido redondeados arbitrariamente a un decimal.

Notar que con la informacin que hemos obtenido podemos calcular el MAD y
la Seal de Rastreo y utilizar estos indicadores para validar la conveniencia
de utilizar este procedimiento como dispositivo de pronstico.
Siguiendo con nuestro anlisis a continuacin podemos desarrollar un
pronstico para los prximos 4 trimestres (un ao) que corresponden a los
trimestres 13, 14, 15 y 16:
Y(13)=441,71+359,61*13=5.116,64
Y(14)=441,71+359,61*14=5.476,25
Y(15)=441,71+359,61*15=5.835,86
Y(16)=441,71+359,61*16=6.195,47
Si bien el procedimiento anterior es vlido puede ser resumido haciendo uso de
las herramientas de anlisis de datos de Excel o simplemente realizando un
ajuste de una regresin lineal en un grfico de dispersin de la misma forma
que abordamos en el articulo sobre el Mtodo de Descomposicin. Para ello
luego de realizar el grfico nos posicionamos en una de las observaciones y
luego botn derecho del mouse para seleccionar Agregar lnea de
tendencia.

Luego en la interfaz de Excel activamos las opciones Presentar ecuacin en
el grfico y Presentar el valor R cuadrado en el grfico (este ltimo
indicador segn se aborda en los cursos de estadstica consiste en una medida
de la bondad de ajuste de la regresin). Notar que los valores obtenidos para
los parmetros de la regresin son similares salvo menores diferencias por
efecto de aproximacin.

Articulos Relacionados:




Prctica 5.2. Problema resuelto de regresin lineal mltiple.
Problema 5. 4. Una desea estimar los gastos en alimentacin de una
familia en base a la informacin que proporcionan las variables
regresoras X1 =ingresos mensuales y X2 =nmero de miembros de la familia.
Para ello se recoge una muestra aleatoria simple de 15 familias cuyos
resultados son los de la tabla adjunta
(El gasto e ingreso est dado en cientos de miles de pesetas)

Gasto Ingreso Tamao Gasto Ingreso Tamao

0
'
43 2
'
1 3 1
'
29 8
'
9 3

0
'
31 1
'
1 4 0
'
35 2
'
4 2

0
'
32 0
'
9 5 0
'
35 1
'
2 4

0
'
46 1
'
6 4 0
'
78 4
'
7 3

1
'
25 6
'
2 4 0
'
43 3
'
5 2

0
'
44 2
'
3 3 0
'
47 2
'
9 3

0
'
52 1
'
8 6 0
'
38 1
'
4 4

0
'
29 1
'
0 5


Datos del problema [ASCII] [spss-10] [sgplus-5]
Solucin Problema 5.4.
Los datos en forma matricial:

Con estos datos se obtiene

Por tanto

De donde

El modelo de regresin lineal que se obtiene es:

A partir de esta ecuacin se obtienen las predicciones y los residuos
asociados a las observaciones muestrales. Para la primera
observacin se obtiene


Razonando as en todos los puntos muestrales se obtiene

Calculo de scR


Tambin se puede calcular la scR de la siguiente forma
t

=
t
Y -
t
X
t
Y = y
i
2
- 0 yi - 1 yix1i - 2 yix2i =

= 5
'
7733 -
.
8
'
070 - 0
'
149
.
32
'
063 - 0
'
077
.
28
'
960
Se calculan los intervalos de confianza de los parmetros del modelo al 90%,
Para la varianza,
2


~
12
2

5
'
2253
< < 21
'
0298
0
'
0034 <
2
< 0
'
0138

La varianza de los estimadores del modelo es

de donde se deduce que
V ar = 0
'
00816 = 0
'
0903
V ar = 0
'
000099 = 0
'
0099
V ar = 0
'
00040 = 0
'
0201

Intervalo de confianza para 0
t12
.
0
'
0903 <-0
'
160 -
0 < t12
.
0
'
0903
- 0
'
321 <
0 < 0
'
001

Intervalo de confianza para 1 (ingreso)
t12
.
0
'
0099 < 0
'
149 -
1 < t12
.
0
'
0099
0
'
1314 <
1 < 0
'
1666

Contrate H0 1 = 0, la variable ingreso no influye (contraste individual de
la t)



Intervalo de confianza para 2 (tamao)
t12
.
0
'
0201 < 0
'
077 -
2 < t12
.
0
'
0201
0
'
0412 <
2 < 0
'
1128

Contrate H
0

2
= 0, la variable tamao no influye (contraste individual de
la t)



Tabla Anova,

de donde


Tabla ANOVA
Fuentes de Suma de Grados de
Varianzas
Variacin Cuadrados libertad


scE (por el modelo)
1
'
3595 2

e
2
= 0
'
6797

scR (Residual)
0
'
0721 12

R
2
= 0
'
0060

scG (Global)
1
'
4316 14

y
2
= 0
'
1023

Con estos datos se obtiene el siguiente contraste conjunto de la F

El contraste conjunto de la F indica claramente la influencia del modelo en la
variable respuesta. Por tanto, de los contrastes individuales y del conjunto
se deduce la influencia de cada una de las dos variables regresoras y la
influencia conjunta del modelo.
Ahora se calcula el contraste individual de la F respecto a la
variable x2=tamao, contraste que es equivalente al contraste individual
de la t. Para ello, se obtiene la regresin de la variable gasto respecto a la
variable ingreso,

la tabla ANOVA de este modelo es
Tabla ANOVA
Fuentes de Suma de Grados de
Varianzas
Variacin Cuadrados libertad


scE (ingreso)
1
'
2716 1

e
2
= 1
'
2716

scR (Residual)
0
'
1600 13

R
2
= 0
'
0123

scG (Global)
1
'
4316 14

y
2
= 0
'
1022
La variabilidad incremental debida a la variable dimetro es

este valor indica lo que aumenta la variabilidad explicada por el modelo al
introducir la variable tamao.
Para contrastar la influencia o no de esta variable se utiliza el estadstico

que da el mismo p-valor que en el contraste individual de la t (hay pequeas
diferencias por los resondeos).
Clculo de los coeficientes de correlacin:
El coeficiente de determinacin,


El coeficiente de correlacin mltiple


El coeficiente de determinacin corregido por el nmero de grados de
libertad.



El coeficiente de correlacin simple entre las variables gasto e ingreso,

Este coeficiente es una medida de la relacin lineal existente entre las
variables gasto e ingreso. Tambin se puede calcular a partir del coeficiente
de determinacin de la siguiente regresin

La tabla ANOVA del modelo es
Tabla ANOVA
Fuentes de Suma de Grados de
Varianzas
Variacin Cuadrados libertad


scE (ingreso)
1
'
2716 1

e
2
= 1
'
2716

scR (Residual)
0
'
1600 13

R
2
= 0
'
0123

scG (Global)
1
'
4316 14

y
2
= 0
'
1022


Anlogamente, el coeficiente de correlacin simple entre las variables gasto
y tamao es,


Coeficiente de correlacin parcial entre las variables gasto e ingreso.
r
2

= =

= 0
'
9496
r
= 0
'
974.
Otra forma ms compleja de calcular este coeficiente es la siguiente: se
obtienen las siguientes regresiones y se guardan los residuos,
Gasto = 0
'
6713 - 0
'
0363 tamao + e
gasto.tamao.
Ingreso = 5
'
5923 - 07615 tamao + e
ingreso.tamao.
Ahora el coeficiente de correlacin parcial entre las variables gasto e ingreso
se obtiene como el coeficiente de correlacin simple entre las
variables egasto.tamaoy eingreso.tamao
r = =

= 0
'
9740,
este coeficiente mide la relacin entre las variables gasto e ingreso libres de
la influencia de la variable tamao.
Anlogamente se obtiene que


Estimacin de la media condicionada.
Estimar el gasto medio en alimentacin de una familia con unos ingresos
de x1 = 3
'
0 y un tamao de x2 = 4. Esto es .
Aplicando el modelo de regresin

Se calcula el valor de influencia asociado al dato h = =

hh
=
h
t
-1
h

= = 0
'
07649
nh = = 13
'
073
La varianza del estimador es

Y un intervalo de confianza para mh al 90% es

Prediccin de una observacin.
La familia Prez que tiene unos ingresos de x1 = 3
'
0 y un tamao de x2 = 4. Esto
es qu gasto en alimentacin tendr?.
Aplicando el modelo de regresin estimado

La varianza de la prediccin es
V ar =
R
2
= 0
'
0060
.
= 0
'
0065

= 0
'
0803
Y un intervalo de prdiccin al 90% es

Algunos grficos de inters que ayudan a resolver el problema son los
siguientes:
Grficos parciales de las componentes


Grficos de residuos,