Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 35 vistas

    Coeficiente de Determinacion - Docx-1

    Cargado por

    TaYel KoRo
    Este documento describe tres errores comunes en la interpretación del coeficiente de determinación R2. Primero, R2 no penaliza la inclusión de variables explicativas no significativas, lo que puede hacer que el modelo se desvíe de la variable real. Segundo, un alto R2 no necesariamente indica un buen ajuste del modelo. Tercero, el objetivo del análisis de regresión no es maximizar R2, sino obtener estimaciones precisas de los coeficientes de regresión.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Coeficiente de Determinacion - Docx-1

    Cargado por

    TaYel KoRo
    35 vistas2 páginas
    Este documento describe tres errores comunes en la interpretación del coeficiente de determinación R2. Primero, R2 no penaliza la inclusión de variables explicativas no significativas, lo que puede hacer que el modelo se desvíe de la variable real. Segundo, un alto R2 no necesariamente indica un buen ajuste del modelo. Tercero, el objetivo del análisis de regresión no es maximizar R2, sino obtener estimaciones precisas de los coeficientes de regresión.

    Título original

    Coeficiente de Determinacion.docx-1

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe tres errores comunes en la interpretación del coeficiente de determinación R2. Primero, R2 no penaliza la inclusión de variables explicativas no significativas, lo que puede hacer que el modelo se desvíe de la variable real. Segundo, un alto R2 no necesariamente indica un buen ajuste del modelo. Tercero, el objetivo del análisis de regresión no es maximizar R2, sino obtener estimaciones precisas de los coeficientes de regresión.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    35 vistas2 páginas

    Coeficiente de Determinacion - Docx-1

    Cargado por

    TaYel KoRo
    Este documento describe tres errores comunes en la interpretación del coeficiente de determinación R2. Primero, R2 no penaliza la inclusión de variables explicativas no significativas, lo que puede hacer que el modelo se desvíe de la variable real. Segundo, un alto R2 no necesariamente indica un buen ajuste del modelo. Tercero, el objetivo del análisis de regresión no es maximizar R2, sino obtener estimaciones precisas de los coeficientes de regresión.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 2

    UNIVERSIDAD TÉCNICA PARTICULAR DE

    LOJA
    MODALIDAD A DISTANCIA
    DOCENTE: ENCALADA JUMBO DIANA DEL CISNE
    NOMBRE: ANTHONY MOGROVEJO DELEG
    TEMA: “Errores frecuentes en la interpretación del Coeficiente de Determinación
    R2”
    - Realice la lectura del documento y comete cuales son los errores más frecuentes
    en relación al coeficiente de determinación.
    El coeficiente de determinación es la proporción de la varianza total de la variable
    explicada por la regresión. Es también denominado R cuadrado y sirve para reflejar la
    bondad del ajuste de un modelo a la variable que se pretende explicar.
    El coeficiente de determinación puede adquirir resultados que oscilan entre 0 y 1. Así,
    cuando adquiere resultados más cercanos a 1, mayor resultará el ajuste del modelo a la
    variable que se pretende aplicar para el caso en concreto. Por el contrario, cuando
    adquiere resultados que se acercan al valor 0, menor será el ajuste del modelo a la
    variable que se pretende aplicar y, justo por eso, resultará dicho modelo menos fiable.
    Se trata de una fórmula de gran complejidad, por lo que lo mejor es ir por partes. En
    primer lugar, analizaremos el numerador, ya que la fórmula del coeficiente de
    determinación es una fracción. El numerador de esta fórmula es la expresión de la
    varianza, si bien existen dos diferencias de gran importancia. En primer lugar, la Y lleva
    un circunflejo, lo cual significa que la Y es la estimación de un modelo sobre lo que, de
    acuerdo con las variables aplicables al respecto, vale Y. Así, no se trata del valor real de
    Y, sino de una estimación del valor de Y. En segundo lugar, falta la división entre N (el
    número de observaciones en la fórmula a través de la cual se calcula la varianza).
    Ahora analizaremos el denominador de la fracción que conforma la fórmula del
    coeficiente de determinación. En este caso, la única diferencia que existe respecto de la
    fórmula de la varianza es que no se aplica su denominador. Así, no hay una división
    entre N (número de observaciones).
    Con un ejemplo estos términos se entienden mejor, por lo que vamos a poner uno.
    Supongamos que queremos analizar la cantidad de canasta que anota Pau Gasol según la
    cantidad de partidos de baloncesto en los que juega. Como resulta lógico, podemos
    suponer que cuántos más partidos juegue Pau Gasol, mayores será las canastas que
    anote. Si representáramos estos datos en una gráfica, su pendiente sería directa y
    ascendente, resultando, por tanto, una relación positiva. Así, cuántos más partidos Pau
    Gasol, más canastas anota. El ajuste, si tenemos en cuenta los datos se acercaría
    bastante al valor de 1, lo que quiere decir que se trata de un modelo cuyas estimaciones
    se ajustan de forma bastante correcta a la variable real. Así, si el resultado fuera de 0,8,
    podríamos decir -si bien no es técnicamente correcto utilizar esta expresión- que el
    modelo explica en un 80% la variable real.
    El coeficiente de determinación puede dar ciertos problemas, y es justo por eso por lo
    que surge el coeficiente de determinación ajustado que veremos a continuación. En
    cualquier caso ¿dónde radican los problemas que presenta el coeficiente de
    determinación y que hace necesario al coeficiente de determinación ajustado? El

    This study source was downloaded by 100000810827661 from CourseHero.com on 01-15-2023 10:57:35 GMT -06:00

    https://www.coursehero.com/file/155046517/Coeficiente-de-determinaciondocx/
    coeficiente de determinación no penaliza la inclusión de variables explicativas no
    significativas. Un ejemplo para entenderlo un poco mejor haciendo referencia al
    ejemplo anterior. Si al modelo se añaden cinco variables explicativas con poca
    relevancia o con poca relación con las canastas anotadas por Pau Gasol durante la
    temporada en cuestión, el coeficiente de determinación aumentará, desviándose el
    modelo de la variable real. Así, es por ello por lo que muchos expertos, estadísticos,
    matemáticos y económetras han creado, para ajustar el coeficiente de determinación y
    solventar este error, el coeficiente de determinación ajustado, que veremos en el
    epígrafe que sigue.
    Otro seria que un R2 alto no necesariamente indica que el modelo tiene un buen ajuste,
    en otras palabras no evidencia suficiente a favor del modelo.
    Maximización de R2
    El análisis de regresión su objetivo no es obtener un valor elevado de R2, sino obtener
    estimadores reales y que estos sean precisos de los coeficientes de regresión
    poblacional.
    BIBLIOGRAFIA
    Rodríguez, EM (2005). Errores frecuentes en la interpretación del coeficiente de
    determinación lineal. Anuario jurídico y económico escurialense, (38), 315-331.
    https://docplayer.es/21127540-Errores-frecuentes-en-la-interpretacion-del-coeficiente-
    de-determinacion-lineal.html

    This study source was downloaded by 100000810827661 from CourseHero.com on 01-15-2023 10:57:35 GMT -06:00

    https://www.coursehero.com/file/155046517/Coeficiente-de-determinaciondocx/
    Powered by TCPDF (www.tcpdf.org)

    También podría gustarte