Beruflich Dokumente
Kultur Dokumente
OBJETIVOS
1
EL ANALISIS DE REGRESION: Se emplea para determinar e interpretar la
relacin lineal
Bo = Una constante
2
EJEMPLO 1: Se muestra a continuacin un cuadro demostrativo de las ventas
y ganancias obtenidas por un negocio de comidas rpidas durante un ao.
Determinar cual seria la ganancia puntual y de intervalo para un monto de
6,00 millones de dlares en ventas en el lugar y de 4,00 millones de dlares en
ventas para llevar.
Y = Ganancia neta
X1 = Ventas en el lugar
N Y X1 X2
Coeficientes de
Ganancia neta Intercepcin de y
regresin parcial
3
= - 0,216 + 0,085 X1 + 0,1132 X2
Hiptesis Nula
4
Hiptesis Alternativa
3- Estadstico de prueba ( F )
Fc = SCR/K Fc = calculado
SCE/(n (K+1)
n = N de datos
K = N de variables independientes
Comparamos Fc con F
Si Fc > F Se rechaza H0
5
Si Fc < F Se acepta H0
1- Hiptesis Nula
H0 : Bi = 0
2- Hiptesis Alternativa
H1 : Bi 0
3- Estadstico de prueba ( t )
tc = bi 0 tc = calculado
Sbi
6
Comparamos tc con t
Si tc > t Se rechaza H0
Si tc < t Se acepta H0
7
ejemplo de ventas de comidas rapidas, construimos los intervalos de confianza
de 95 % para B1 y B2.
= 0,0855 0,09718
-0,11168 ; 0,18268
= 0,11315 0,0871
8
= 0,02605 ; 0,20025
9
modo se relaciona como si han obtenido: a) una ganancia mas alta que la
predicha por la ecuacin o b) una ganancia mas bajo que la predicha por la
ecuacin. Por ejemplo, la franquicia n 5 se ha comportado por debajo de lo
esperado, con una ganancia mucha mas baja (0,2 millones de dlares) que los
04574 millones de dlares predichos por la ecuacin, un residuo de 0,2574
millones de dlares.
10
En un modelo de regresin multiple al hacer los contrastes sobre la influencia
individual de cada variable independiente con la variable dependiente, y el
contraste del conjunto de todas las variables independientes con la variable
dependiente, pueden darse las siguientes situaciones.
Caso 3: Las variables independientes son muy dependiente entre si. Entonces
conjuntamente influyen. Pero los coeficientes de regresin y las varianzas son
muy altas en relacin con el valor de las estimaciones que no son
11
significativas. Este problema se llama Multicolinealidad y se soluciona
eliminando algunas variables independientes.
12
parcial, permite formarse una rpida idea sobre el tamao y el signo de
coeficiente de regresin parcial.
Un supuesto que suele hacer sobre los residuos, es que los mismos se
distribuyen normalmente. Recordar que esto no es necesario para que MCC,
produzca estimadores MELI, sino que lo requerimos para hacer test de
hiptesis sobre las estimaciones de los parmetros (Por que). Por que de esta
manera conocemos la funcin de probabilidades de los parmetros estimados.
13
RESIDUOS es constante. Para verificar en forma general, utilizamos el
diagrama de dispersin de las variables ZPRED ( valores estimados
SOLUCIONES A LA HETEROCEDASTICIDAD
14
INDEPENDENCIA: El estadstico DURBIN-WATSON proporciona
informacin sobre el grado de independencia entre los residuos o si se
prefiere, el grado de autocorrelacin. El estadstico DW oscila entre 0 y 4 y
15
1- Chequear si hay COEFICIENTES DE REGRESION PARCIAL con
valores bien grandes o de signo opuesto a lo que se esperaba que ocurriera.
FUENTES DE MULTICOLINEALIDAD
16
1- El mtodo de recoleccin de muestras o referenciales es obtenidos en un
rango limitado.
4- Tipo de datos
SOLUCIONES A LA MULTICOLINEALIDAD
17