Econometra Ayudante Javier Poseck Soto UTFSM, departamento Industrias

Ejemplo de regresin mltiple con SPSS

Caso de Bonos
La empresa XX est con problemas de liquidez, y el vicepresidente de finanzas debe tomar pronto una decisin, emitir acciones o deuda de largo plazo (bonos). Para tomar tal decisin, es de vital importancia saber qu variables afectan y en qu magnitud a la tasa de inters que pagara al momento de la emisin de los bonos. Luego de intensas reuniones, se llega a la conclusin de hacer un modelo de regresin con las siguientes variables: Y: Tasa de inters pagada por la empresa en el momento de la emisin de los bonos (en puntos porcentuales) X1: Variable ficticia, siendo 1 si la clasificacin del bono es A. X2: Variable ficticia, siendo 1 si la clasificacin del bono es AA. X3: Rentabilidad sobre los activos de la empresa (en puntos porcentuales). X4: Tasa de los bonos del tesoro, de 10 a 30 aos, al momento de la emisin (en puntos porcentuales). X5: Vencimiento del bono (10 o 30 aos). X6: Prima de inters preferencial al momento de la emisin (en puntos porcentuales). Entonces se le pide a usted como consultor experto realizar con la base de datos entregada un completo anlisis para poder tomar decisiones.

Econometra Ayudante Javier Poseck Soto UTFSM, departamento Industrias

Anlisis y desarrollo a travs de SPSS

Lo primero es conocer un poco ms las variables que se presentan, realizando un anlisis exploratorio que muestre de alguna manera como se distribuyen cada una y ver el ajuste que tienen con la variable dependiente. Para esto, se pueden hacer los siguientes procedimientos: Diagramas de caja (Box plot) de cada variable

Ir a la pestaa Grficos Generador de grficos

En elementos bsicos seleccionamos entonces la figura de un diagrama de cajas, para luego arrastrar las variables hacia la ventana que se indica en la figura (esta es la manera de trabajar con los elementos bsicos de grficos, para cualquier tipo). Este es un ejemplo del diagrama de caja para la variable Tasa de bono del tesoro. Se observa que los valores tienen una distribucin normal, pues la mediana coincide con la moda y la media, adems de no existir datos atpicos. Este diagrama debe ser realizado para cada variable y as poder grficamente como se distribuyen los datos y los posibles datos atpicos.

Econometra Ayudante Javier Poseck Soto UTFSM, departamento Industrias

Verificar el ajuste de la variable Y vs las X

Para esto se puede crear una matriz de dispersin que grafique las regresiones simples entre cada par de variables. Ir a la pestaa Grficos Generador de grficos

Se seleccionan los botones indicados y luego se arrastran las variables para colocar en la matriz de dispersin. Esta matriz no acepta variables que no sean escalares. Esta matriz grfica es lo mismo que una matriz de correlaciones, pues son regresiones simples entre cada una de las variables. Lo interesante es observar los posibles casos de multicolinealidad y ver el ajuste de cada variable exgena con la variable endgena. En este caso, no hay un caso claro de colinealidad pues las relaciones entre las variables independientes son ms bien nubes de puntos. La variable endgena tiene una clara relacin lineal positiva con X3 y X5, no as con X6.

Econometra Ayudante Javier Poseck Soto UTFSM, departamento Industrias

Regresin

Para realizar la regresin, pinchamos en Anlizar Regresin Lineal

SPSS incorpora los mtodos de paso a paso adems de poder hacer una regresin con todas las variables. Para hacer una regresin sin discriminar, es decir, introduciendo todas las variables exgenas (6 en este caso), se debe seleccionar Introducir. Si se desea hacer un paso a paso mixto se debe seleccionar Pasos sucesivos. Los botones de la esquina superior derecha son lo siguiente: Estadsticos: se pueden seleccionar los estadsticos de importancia para la inferencia, como por ejemplo la estadstica descriptiva, diagnsticos de colinealidad, DW (slo para series en el tiempo).

Econometra Ayudante Javier Poseck Soto UTFSM, departamento Industrias

Grficos: se puede dar la opcin de crear grficos, como por ejemplo un grfico para verificar si existe heterocedasticidad respecto a la variable Y (White), al graficar los residuales versus los pronsticos de Y.

Guardar: esta opcin muestra las columnas que deseamos incluir en la vista de datos. Por ejemplo, se puede pedir que se cree la columna de los (Valores pronosticados No tipificados); Los residuales (Residuos No tipificados), Residuales estandarizados (Residuos mtodo de student); Distancia de cook; dfbetas, etc.

Econometra Ayudante Javier Poseck Soto UTFSM, departamento Industrias

Opciones: Se pueden ajustar algunos valores de la significancia o F de entrada y salida para el caso de los mtodos paso a paso.

Luego en la hoja de resultados se obtuvo lo siguiente:

Variables introducidas/eliminadas
Variables Modelo introducidas Variables eliminadas

Mtodo

Tasa bono tesoro

Por pasos (criterio: Prob. de F para entrar <= ,050, Prob. de F para salir >= ,100).

Vencimiento

Por pasos (criterio: Prob. de F para entrar <= ,050, Prob. de F para salir >= ,100).

ROA

Por pasos (criterio: Prob. de F para entrar <= ,050, Prob. de F para salir >= ,100).

Por pasos (criterio: Prob. de F para entrar <= ,050, Prob. de F para salir >= ,100).

Esta tabla muestra el resumen del paso a paso mixto, donde los modelos representan la iteracin del mtodo. Por lo tanto se realizaron 5 iteraciones con 5 variables introducidas y ninguna eliminada del modelo.

AA

Por pasos (criterio: Prob. de F para entrar <= ,050, Prob. de F para salir >= ,100).

a. Variable dependiente: Tasa de inters

Econometra Ayudante Javier Poseck Soto UTFSM, departamento Industrias

Resumen del modelo

R cuadrado Modelo 1 2 3 4 5 R ,883 ,912

a b c

Error tp. de la estimacin ,80011 ,70393 ,62327 ,56531 ,52051

R cuadrado ,780 ,831 ,869 ,894 ,911

corregida ,777 ,828 ,865 ,889 ,906

,932 ,945 ,954

d e

Esta tabla muestra el resumen del ajuste de cada una de las iteraciones mostradas anteriormente. Si el modelo que efectivamente seleccionamos como vlido es el con las 5 variables, entonces sabremos que el ajuste es considerable pues su R2 es 0,911.

ANOVA Suma de Modelo 1 Regresin Residual Total 2 Regresin Residual Total 3 Regresin Residual Total 4 Regresin Residual Total 5 Regresin Residual Total cuadrados 206,218 58,256 264,474 219,877 44,597 264,474 229,900 34,573 264,474 236,351 28,123 264,474 240,903 23,571 264,474 gl

Media cuadrtica 1 91 92 2 90 92 3 89 92 4 88 92 5 87 92 48,181 ,271 59,088 ,320 76,633 ,388 109,939 ,496 206,218 ,640

F 322,127

Sig. ,000
a

221,866

,000

197,273

,000

184,892

,000

177,837

,000

La tabla anova se calcula para cada una de las iteraciones. El modelo con las 5 variables esta ok en el sentido que la hiptesis global se rechaza.

Econometra Ayudante Javier Poseck Soto UTFSM, departamento Industrias

Coeficientes

Coeficientes Coeficientes no estandarizados Modelo 1 (Constante) Tasa bono tesoro 2 (Constante) Tasa bono tesoro Vencimiento 3 (Constante) Tasa bono tesoro Vencimiento ROA 4 (Constante) Tasa bono tesoro Vencimiento ROA A 5 (Constante) Tasa bono tesoro Vencimiento ROA A AA a. Variable dependiente: Tasa de inters B 1,982 1,029 -,764 1,173 ,044 -,737 1,267 ,054 -,547 -,205 1,231 ,059 -,518 -,556 -1,024 1,253 ,063 -,241 -,831 -,895 Error tp. ,730 ,057 ,828 ,057 ,008 ,733 ,054 ,008 ,108 ,675 ,050 ,007 ,098 ,124 ,653 ,046 ,007 ,113 ,132 ,218 1,075 ,370 -,092 -,246 -,190 1,056 ,346 -,197 -,165 1,087 ,316 -,208 1,006 ,259 ,883 tipificados Beta t 2,717 17,948 -,923 20,436 5,250 -1,006 23,430 7,022 -5,080 -,303 24,778 8,365 -5,294 -4,493 -1,568 27,206 9,597 -2,138 -6,283 -4,099 Sig. ,008 ,000 ,359 ,000 ,000 ,317 ,000 ,000 ,000 ,763 ,000 ,000 ,000 ,000 ,120 ,000 ,000 ,035 ,000 ,000 ,656 ,689 ,558 ,669 ,478 1,524 1,452 1,792 1,495 2,092 ,665 ,704 ,872 ,899 1,503 1,420 1,146 1,112 ,683 ,723 ,876 1,464 1,383 1,142 ,773 ,773 1,294 1,294 1,000 1,000 Estadsticos de colinealidad Tolerancia FIV

La tabla que resume a los coeficientes muestra que son todos significativos al 5%, siendo el ROA el que posee el valor-p ms dudoso para el modelo 5 (3,5%). Por otra parte, el VIF aclara que no existen casos de colinealidad severa.

Econometra Ayudante Javier Poseck Soto UTFSM, departamento Industrias

Diagnstico de la regresin

Normalidad de los residuales

Este grfico muestra la normalidad de la regresin, es decir sobre los residuos. Es un grfico similar al de Shapiro y Wilk, donde una recta de 45 pasando por el origen denota normalidad de los residuales.

Heterocedasticidad

Este grfico, creado en la opcin Graficos descrita anteriormente, muestra que no hay heterocedasticidad respecto a la variable . Si se observan un par de datos atpicos.

Econometra Ayudante Javier Poseck Soto UTFSM, departamento Industrias

Para revisar posibles problemas de heterocedasticidad frente a las variables exgenas, es mejor trabajar con grficos de Excel. Se debe por supuesto exportar la columna de los residuos (RES_1).
6
5 Residuales ^2 4 3 2 1

Dado que la variable es dicotmica, no es posible establecer claramente homocedasticidad o heterocedasticidad. Sin embargo, si se eliminan los 4 datos atpicos, las varianzas para el grupo 0 y 1 son muy similares.
0 0,2 0,4 0,6 0,8 1 1,2

0
Variable A

5
Residuales ^2 4 3 2 1 0 0 5 10 Tasa tesoro 15 20

Nuevamente hay cuatro residuales atpicos, fuera de eso la homocedasticidad es clarsima.

Econometra Ayudante Javier Poseck Soto UTFSM, departamento Industrias

6 5 Residuales ^2 4 3

Dado que la variable es dicotmica, no es posible establecer claramente homocedasticidad o heterocedasticidad. Sin embargo, si se eliminan los 4 datos atpicos, las varianzas para el grupo 0 y 1 son muy similares.

2
1 0 0 10 20 Vencimiento 30 40

6 5 Residuales ^2 4 3 2 1 0 0 1 2 ROA 3 4 5

Nuevamente hay cuatro residuales atpicos, fuera de eso la homocedasticidad es clarsima.

6 5 Residuales ^2 4 3

Dado que la variable es dicotmica, no es posible establecer claramente homocedasticidad o heterocedasticidad. Sin embargo, si se eliminan los 4 datos atpicos, las varianzas para el grupo 0 y 1 son muy similares.

2
1 0 0 0,2 0,4 0,6 0,8 1 1,2 Variable AA

Econometra Ayudante Javier Poseck Soto UTFSM, departamento Industrias

Algunas conclusiones del caso

EL modelo efectivamente se ajusta a la realidad luego de hacer la regresin y un diagnstico a los residuales; explica el 91% de la variabilidad de la variable dependiente y las variables son significativas. En conclusin, la tasa de inters estar directamente relacionada con la clasificacin de los bonos, la tasa de los bonos del tesoro al momento de emisin, el vencimiento del bono (10 o 30 aos) y la rentabilidad sobre la inversin (ROA). Si el bono es de clasificacin A, la tasa de inters pagada por la empresa disminuye en 0,831 puntos porcentuales, mientras que si es AA disminuye en 0,895 puntos porcentuales. Esto tiene lgica dado que a mejor clasificacin menor riesgo lo que implica menos castigo por la tasa de inters que la empresa debe pagar a los acreedores. Por su puesto que la tasa de inters pagada por la empresa tiene una relacin directa con la tasa de los bonos del tesoro, tanto que si esta ltima aumenta en 1 punto porcentual, la tasa de inters a pagar por la empresa aumenta en 1,253 puntos porcentuales. Si el vencimiento es a 10 aos, esto implica un incremento de 10*0,063 = 0,63 puntos porcentuales mientras que a 30 aos el incremento ser de 30*0,063 = 1,89 puntos porcentuales; dando a entender que la duracin de los bonos es directamente proporcional a la tasa que la empresa debe pagar. Por ltimo, a mayor rendimiento sobre la inversin de la empresa, esto implica una reduccin de la tasa de inters, en una relacin de que un incremento de 1 punto porcentual del ROA conlleva a una diminucin en 0,241 puntos porcentuales de la tasa de inters para la empresa, lo que es lgico pues a mejores resultados de la empresa, menor es el riesgo implcito para el acreedor potencial.