Análisis de regresión múltiple: El problema de

la estimación

Econometría Básica

Análisis de regresión múltiple con tres variables.

Este compendio recoge textualmente documentos e información de varias fuentes debidamente

citadas, como referencias elaboradas por el autor para conectar los diferentes temas.

Se lo utilizará únicamente con fines educativos.

FORMATO CONTROLADO: FR0044/ v1.1 / 11-05-2020

 TABLA DE CONTENIDO

Análisis de regresión múltiple: El problema de la estimación .................................................................. 4

Subtema 1: ............................................................................................................................................... 5
Modelo con tres variables: notación y supuestos ..................................................................................... 5
Subtema 2: ............................................................................................................................................... 5
Interpretación de la ecuación de regresión múltiple ................................................................................ 5
Subtema 3: ............................................................................................................................................... 6
Significado de los coeficientes de regresión parcial.................................................................................. 6

FORMATO CONTROLADO: FR0044/ v1.1 / 11-05-2020

 DESARROLLO DEL CONTENIDO DEL TEMA 1

TEMA 1

Análisis de regresión múltiple: El problema de la estimación

Objetivo

Al finalizar la unidad, el estudiante será capaz de emplear modelos de regresión lineal

múltiple a la estimación e inferencia de problemas económicos.

Introducción

La Econometría surge a inicios de la segunda década del siglo XX, para hacer referencia a
estudios económicos mediante herramientas estadísticas y matemáticas. La econometría
propone formulaciones que sirven de apoyo para verificar provisoriamente planteamientos de
la teoría económica.

FORMATO CONTROLADO: FR0044/ v1.1 / 11-05-2020

 DESARROLLO DE LOS SUBTEMAS DEL TEMA 1

Subtema 1: Modelo con tres variables: notación y supuestos

 Generalizando la función de regresión poblacional (FRP) de dos variables se puede

escribir la (FRP) de tres variables así:

𝑌𝑖 = 𝛽1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + 𝑢𝑖

 Donde Y es la variable dependiente, 𝑋2 y 𝑋3 las variables explicativas (regresoras), 𝑢𝑖

es el término de perturbación estocástica, e i la iésima observación.

 En esta ecuación, 𝛽1 es el término del intercepto y como es usual, este término nos da
el efecto medio o promedio sobre Y de todas las variables excluidas del modelo, aunque
su interpretación mecánica sea el valor promedio de Y cuando 𝑋2 y 𝑋3 se hacen iguales
a cero.

 Los coeficientes 𝛽2 y 𝛽3 se denominan coeficientes de regresión parcial.

Subtema 2: Interpretación de la ecuación de regresión múltiple

 Los coeficientes de regresión representan el cambio medio en la variable de respuesta

para una unidad de cambio en la variable predictora mientras se mantienen constantes
los otros predictores presentes en el modelo.

 Este control estadístico que ofrece la regresión es importante, porque aísla el rol de una
variable del resto de las variables incluidas en el modelo.

 La clave para entender los coeficientes es pensar en ellos como pendientes, y con
frecuencia se les llama coeficientes de pendiente.

FORMATO CONTROLADO: FR0044/ v1.1 / 11-05-2020

  Sin embargo, si el modelo requiere términos polinómicos o de interacción, la
interpretación es un poco menos intuitiva.

 Como repaso, los términos polinómicos modelan la curvatura en los datos.

 Mientras que los términos de interacción indican que el efecto de un predictor depende
del valor de otro predictor.

 Un término polinómico significativo puede hacer que la interpretación sea menos

intuitiva, porque el efecto de cambiar el predictor varía dependiendo del valor de ese
predictor.

 Del mismo modo, un término de interacción significativo indica que el efecto del
predictor varía dependiendo del valor de otro predictor.

 Tengan cuidado cuando interpretan un modelo de regresión que contenga estos tipos
de términos.

 Lamentablemente, si se está realizando un análisis de regresión no se podrá usar una

gráfica de línea ajustada.

 Es entonces cuando el conocimiento de la materia se vuelve valioso.

Subtema 3: Significado de los coeficientes de regresión parcial

 Aunque el término de correlación parcial guarda cierta similitud con el de correlación

semiparcial, y de hecho presentan cálculos parecidos, sus propósitos son bien diferentes.

 La correlación semiparcial hay que situarla en el contexto de la regresión múltiple, en el

proceso de inclusión de variables, para ver la contribución de los distintos regresores en
la explicación de la variable dependiente.

FORMATO CONTROLADO: FR0044/ v1.1 / 11-05-2020

  Normalmente las variables independientes comparten cierta información y hay que
comprobar si al incluirla en el modelo aportan nueva información o su aportación es pura
redundancia, si añaden variabilidad explicada o si la misma se encuentra en las variables
incluidas anteriormente.

 En términos estadísticos, se trata de averiguar el incremento ocurrido en 𝑅2 cuando se

añade una o varias variables.

 Por ejemplo, si en un determinado modelo de regresión hemos incluido la variable 𝑋1 ,

la variable 𝑋2 y deseamos saber cuánto aporta la variable 𝑋3 sobre las anteriores
simplemente calcularemos la diferencia entre la 𝑅2 de estas tres variables y la 𝑅2 de las
dos primeras variables.

 En la correlación parcial interesa no tanto la contribución de una determinada variable

en el modelo de regresión, como la eliminación de ciertas variables que resultan
perturbadoras para la cabal comprensión de la relación entre las variables de interés.

 Tiene que ver con las denominadas correlaciones espúreas donde se observan relaciones
entre variables que parecen indicar que unas afectan otras, cuando en realidad la
concomitancia que presentan es debida a que su variabilidad va pareja a causa del efecto
de terceras variables.

 Estas terceras variables son precisamente las que hay que detectar y eliminar su influjo
para comprobar si realmente las variables consideradas siguen manteniendo la supuesta
relación.

FORMATO CONTROLADO: FR0044/ v1.1 / 11-05-2020

 PREGUNTAS DE COMPRENSIÓN DE LA UNIDAD

¿Qué representan los coeficientes de regresión?

El cambio medio en la variable de respuesta para una unidad de cambio en la variable

predictora mientras se mantienen constantes los otros predictores presentes en el modelo

¿Por qué es importante mantener el criterio ceteris paribus en el modelo de

regresión?

Porque aísla el rol de una variable del resto de las variables incluidas en el modelo.

¿Qué razonamiento facilita entender los coeficientes de la regresión?

La clave para entender los coeficientes es pensar en ellos como pendientes, y con frecuencia se
les llama coeficientes de pendiente

¿Qué hacen los términos polinómicos?

Los términos polinómicos modelan la curvatura en los datos

¿De qué consiste la correlación semiparcial?

Trata de averiguar el incremento ocurrido en 𝑅2 cuando se añade una o varias variables

FORMATO CONTROLADO: FR0044/ v1.1 / 11-05-2020

 MATERIAL COMPLEMENTARIO

Los siguientes recursos complementarios son sugerencias para que se pueda ampliar la
información sobre el tema trabajado, como parte de su proceso de aprendizaje autónomo:

Videos de apoyo:
Introducción a la Econometría:

https://www.youtube.com/watch?v=8NgGcVUGb6s

Bibliografía de apoyo:
La Economía en una Lección: http://www.hacer.org/pdf/Hazlitt01.pdf
Lo que se ve y lo que no se ve: http://www.hacer.org/pdf/seve.pdf

Links de apoyo:
Introducción a la Econometría:

https://www.youtube.com/watch?v=fUNY4vlkkmg

Modelos Econométricos. Conceptos básicos:

https://www.youtube.com/watch?v=p9q004TLa-g

FORMATO CONTROLADO: FR0044/ v1.1 / 11-05-2020

 REFERENCIAS

GUJARATI, DAMODAR N. (2010). ECONOMETRIA. MEXICO: MC-GRAW HILL INTERAMERICANA,

FORMATO CONTROLADO: FR0044/ v1.1 / 11-05-2020