Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 89 vistas

    3.modelos Uniecuacionales (MRLS)

    Cargado por

    maricelly.rincon.p
    Este documento describe los modelos de regresión uniecuacionales y sus componentes clave. Explica que estos modelos expresan una variable dependiente como función lineal de una o más variables independientes. También define la regresión estadística, la recta de regresión, el análisis de correlación y regresión, y distingue entre el análisis de correlación y regresión. Finalmente, provee un ejemplo de análisis de regresión con dos variables usando datos sobre ingresos familiares y gastos de consumo.

    Copyright:

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

    3.modelos Uniecuacionales (MRLS)

    Cargado por

    maricelly.rincon.p
    89 vistas27 páginas
    Este documento describe los modelos de regresión uniecuacionales y sus componentes clave. Explica que estos modelos expresan una variable dependiente como función lineal de una o más variables independientes. También define la regresión estadística, la recta de regresión, el análisis de correlación y regresión, y distingue entre el análisis de correlación y regresión. Finalmente, provee un ejemplo de análisis de regresión con dos variables usando datos sobre ingresos familiares y gastos de consumo.

    Título original

    3.MODELOS UNIECUACIONALES (MRLS)

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe los modelos de regresión uniecuacionales y sus componentes clave. Explica que estos modelos expresan una variable dependiente como función lineal de una o más variables independientes. También define la regresión estadística, la recta de regresión, el análisis de correlación y regresión, y distingue entre el análisis de correlación y regresión. Finalmente, provee un ejemplo de análisis de regresión con dos variables usando datos sobre ingresos familiares y gastos de consumo.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    89 vistas27 páginas

    3.modelos Uniecuacionales (MRLS)

    Cargado por

    maricelly.rincon.p
    Este documento describe los modelos de regresión uniecuacionales y sus componentes clave. Explica que estos modelos expresan una variable dependiente como función lineal de una o más variables independientes. También define la regresión estadística, la recta de regresión, el análisis de correlación y regresión, y distingue entre el análisis de correlación y regresión. Finalmente, provee un ejemplo de análisis de regresión con dos variables usando datos sobre ingresos familiares y gastos de consumo.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 27

    MODELOS DE

    REGRESIÓ N
    UNIECUACIONALES
    PATRICIA AYALA N
    MODELOS UNIECUACIONALES
    • En estos modelos se expresa una variable, llamada
    dependiente, como función lineal de una o más variables,
    llamadas explicativas.

    • En modelos de este tipo se supone que si existen relaciones


    causales entre las variables dependientes y las explicativas,
    éstas van en una sola dirección: de las variables explicativas a
    la variable dependiente.
    DEFINICIÓN DE REGRESIÓN
    • la regresión estadística o regresión a la media es la
    tendencia de una medición extrema a presentarse más
    cercana a la media en una segunda medición. la
    regresión se utiliza para predecir una medida
    basándonos en el conocimiento de otra.
    EJEMPLO:
    • Aplicando la ley de regresión universal de Galton, se intenta
    averiguar las razones de la estabilidad en la distribución de
    estaturas dentro de una población.

    • En el enfoque moderno, la preocupación es averiguar cómo


    cambia la estatura promedio de los hijos dada la estatura de los
    padres. En otras palabras, lo que interesa es predecir la estatura
    promedio de los hijos a partir de la estatura de sus padres
    Recta de regresión: muestra que el
    promedio de la estatura de los hijos
    aumenta conforme crece la de los
    padres
    ANÁLISIS DE CORRELACIÓN
    • El análisis de correlación tiene como objetivo principal medir la fuerza o
    el grado de asociación lineal entre dos variables.

    • Ese grado de asociación (lineal) se mide a través del coeficiente de


    correlación

    • Ejemplo:
    • Hallar el grado de asociación entre las horas de estudio y las notas en
    econometría
    ANÁLISIS DE REGRESIÓN
    • El análisis de regresión es una técnica para investigar y
    modelar la relación entre variables

    • Trata de estimar o predecir el valor promedio de una variable


    con base en los valores fijos de otras
    DIFERENCIAS ENTRE EL ANÁLISIS
    DE CORRELACIÓN Y REGRESIÓN
    ANÁLISIS DE REGRESIÓN ANÁLISIS DE CORRELACIÓN
    • Asimetría en el tratamiento a las • Se tratan dos variables en forma
    variables dependientes y simétrica; no hay distinción entre
    explicativas las variables dependiente y
    • Variables dependientes: aleatoria explicativa
    o estocástica • Las dos variables se consideran
    • Variables independientes: tiene aleatorias
    valores fijos • Correlación examen de
    estadística y econometría
    ANÁLISIS DE REGRESIÓN CON DOS
    VARIABLES
    ANÁLISIS DE REGRESIÓN
    • El análisis de regresión se relaciona en gran medida con
    la estimación o predicción de la media (de la población)
    o valor promedio de la variable dependiente, con base
    en los valores conocidos o fijos de las variables
    explicativas.
    DEFINICIÓN
    • En este modelo la regresión es de carácter bivariable o
    con dos variables, en la cual la variable dependiente (la
    regresada) se relaciona con una sola variable explicativa
    (la regresora).
    Ejemplo:
    • la población total = 60 familias
    • ingreso semanal (X) y su gasto de consumo semanal (Y)
    • Las 60 familias se dividen en 10 grupos de ingresos (de
    80 dólares a 260)
    • los gastos semanales de cada familia de los diversos
    grupos.
    • 10 valores fijos de X y los correspondientes valores Y
    para cada valor X;
    Curva de
    Regresión
    Poblacional
    (CRP)

    Valores medios
    condicionales de Y
    Graficados en función
    De X
    CURVA DE REGRESIÓN
    POBLACIONAL
    • Es el lugar geométrico de las medias condicionales de la variable
    dependiente para los valores fijos de la(s) variable(s) explicativa(s).

    • Es la curva que conecta las medias de las subpoblaciones de Y que


    corresponden a los valores dados de la regresora X.

    • Es la regresión de Y sobre X.

    • Es poblacional porque se está trabajando con toda la población


    FUNCIÓN DE REGRESIÓN
    POBLACIONAL (FRP)
    • E(Y | Xi ) = f (Xi )
    • Donde ƒ(Xi) denota alguna función de la variable explicativa X y se
    conoce como la FUNCIÓN DE REGRESIÓN POBLACIONAL (FRP)

    • La FRP denota que el valor esperado de la distribución de Y dada Xi se


    relaciona funcionalmente con Xi.

    • En otras palabras, dice cómo la media o respuesta promedio de Y varía


    con X.
    • Se puede plantear que el consumo manifiesta una relación lineal con el
    • ingreso.
    •
    • Por tanto, como primera aproximación o hipótesis, se puede suponer
    que:
    • La FRP E(Y | Xi) es una función lineal de Xi, es decir:

    • E(Y | Xi ) = β1 + β2Xi

    • Esta función es conocida como FUNCIÓN DE REGRESIÓN POBLACIONAL


    LINEAL
    LINEALIDAD EN LAS VARIABLES
    • La esperanza condicional de Y es una función lineal de Xi

    • Geométricamente, la curva de regresión es una recta.

    • Una función de regresión de la forma:

    • E(Y | Xi ) β1 + β2X²
    • no es una función lineal
    LINEALIDAD EN LOS
    PARÁMETROS
    • Se presenta cuando la esperanza condicional de Y, E(Y | Xi), es una
    función lineal de los parámetros, los β; puede ser o no lineal en la
    variable X.

    • E(Y | Xi ) β1 + β2X² (MRL)


    • Es lineal en los parámetros

    • E(Y | Xi ) β1 + β2² Xi (MRL)


    • Modelo de regresión No es lineal en los parámetros
    • Yi = E(Y | Xi ) + ui

    • Se puede decir que el gasto de una familia en particular, según


    su nivel de ingreso, se expresa como la suma de dos
    componentes:
    • 1) E(Y | Xi), que es la media del consumo de todas las familias
    con el mismo nivel de ingreso. Este componente se conoce
    como componente sistemático, o determinista

    • 2) ui que es el componente aleatorio, o no sistemático.


    • Si se toma como supuesto que E(Y | Xi) es lineal en Xi, se
    puede concluir que:

    • Yi = E(Y | Xi ) + ui

    • Yi = β1 + β2Xi + ui

    • Esta ecuación plantea que el consumo de una familia se


    relaciona linealmente con su ingreso más el término de
    perturbación.
    • El consumo individual, con X = 80, se expresa como:

    • Y1 = 55 β1 + β2(80) + u1
    • Y2 = 60 β1 + β2(80) + u2
    • Y3 = 65 β1 + β2(80) + u3
    • Y4 = 70 β1 + β2(80) + u4
    • Y5 = 75 β1 + β2(80) + u5
    FUNCIÓN DE REGRESIÓN
    MUESTRAL (FRM)
    • En la práctica se dispone de una muestra de valores de Y que
    corresponde a valores fijos de X.
    Y X
    70 80
    65 100
    90 120
    95 140
    110 160
    115 180
    120 200
    155 220
    150 240
    EJERCICIO: X
    55
    Y
    80
    • Con los siguientes datos 88 100
    graficar la FRM. 90 120
    80 140
    118 160
    • ¿Qúé tipo de datos se
    120 180
    utilizan?
    145 200
    135 220
    145 240
    175 260

    También podría gustarte