Escolar Documentos
Profissional Documentos
Cultura Documentos
Ayudante:
Marcos Maldonado.
Tabla de contenido
3. Introduccin ...................................................................................................................... 3
4. Marco terico ................................................................................................................... 4
Anlisis de la regresin lineal ........................................................................................ 4
Coeficiente de Correlacin ............................................................................................. 4
Mnimos cuadrados ordinarios....................................................................................... 4
Propiedades de la regresin .......................................................................................... 4
5. Descripcin y presentacin de datos ........................................................................... 5
5.1 Descripcin de variables .......................................................................................... 5
5.2 Presentacin de datos .............................................................................................. 5
6. Anlisis multivariable (3 Hojas) ..................................................................................... 7
6.1 Especificacin del modelo ....................................................................................... 7
6.2 Anlisis de significancia del modelo global ........................................................... 7
6.3 Anlisis de significancia de cada estadstico ........................................................ 8
6.4 Variables que se recomienda a eliminar ............................................................... 9
6.5 Modelo recomendado ............................................................................................... 9
7. Conclusin ...................................................................................................................... 10
8. Bibliografa ...................................................................................................................... 11
3. Introduccin
4. Marco terico
Anlisis de la regresin lineal
Es la asociacin cuantitativa entre un nmero de variables. La regresin surge de la
distribucin conjunta de probabilidad de dos variables aleatorias y de la necesidad de
ajustar alguna funcin a un conjunto de datos.
Coeficiente de Correlacin
Este indicador muestra el grado de certeza con la cual las variables estimadas son por la
regresin. Escrito en forma matemtica.
TABLA ANOVA
Fuente de
Grado de
Suma de
Cuadrados
Variacin
Libertad
Cuadrados
Medios
F observado
Regresin
Errores
Total
Variable
Tipo
Variable explicada
Variable Explicativa
promedio 2009=100)
IPC Prendas de vestir y calzado (ndice promedio
Variable Explicativa
2009=100)
IPC Alojamiento, agua, electricidad, gas y otros
Variable Explicativa
Variable Explicativa
Variable Explicativa
Variable Explicativa
Variable Explicativa
Fuente: http://si3.bcentral.cl/Siete/secure/search/ViewBasket_NEW.aspx
Estadsticas de la regresin
Coeficiente de correlacin mltiple
0,993895185
0,987827638
R^2 ajustado
0,984419377
Error tpico
128,4664722
Observaciones
33
Suma de
Promedio de los
libertad
cuadrados
cuadrados
Valor crtico de
F
Regresin
33483120,77
4783302,968 289,83331
Residuos
25
412590,8619
16503,63447
Total
32
33895711,64
F de tabla
2,404728108
F observado
289,8333076
F
2,61017E-22
Por lo tanto se rechaza la hiptesis nula y el modelo global es significativo. Debido a que
el F de tabla es menor al F observado.
6.3 Anlisis de significancia de cada estadstico
Para realizar el anlisis e significancia de cada estadstico se utiliza la distribucin T
Student. Para ello se aplican los mnimos cuadrados, analizando las siguientes hiptesis:
Intercepcin
Coeficientes
tpico
Estadstico t
5056,566634
13047,4652
0,387551647
46,56849828 21,22815764
2,193713608
21,01884517
11,8077152 -1,780094185
23,10588945 25,71708008
0,898464732
114,8058265 35,62503977
3,222616095
47,58266832 26,18064729
1,817474862
2009=100)
67,53130193 105,7212617
0,638767461
34,17884575 17,32381056
1,972940401
T de tabla
1,708140745
T observado
Para b1
2,193713608
Para b2
-1,780094185
Para b3
0,898464732
Para b4
3,222616095
Para b5
1,817474862
Para b6
0,638767461
Para b7
1,972940401
Como el T observado es mayor que el T de tabla en b1, b4, b5 y b7. Por lo tanto estos
son los estimadores significativos, donde se rechaza la hiptesis nula.
6.4 Variables que se recomienda a eliminar
Aceptar
promedio 2009=100)
IPC Prendas de vestir y calzado (ndice promedio
Eliminar
2009=100)
IPC Alojamiento, agua, electricidad, gas y otros
Eliminar
Aceptar
Aceptar
Eliminar
Aceptar
Estadsticas de la regresin
Coeficiente de correlacin mltiple
0,99281765
0,9856869
R^2 ajustado
0,98364217
Error tpico
131,631636
Observaciones
33
7. Conclusin
Una vez finalizado el trabajo nos damos cuenta que todos los objetivos han sido
cumplidos. Se determinaron los conjuntos de variables con datos reales y se realizaron
los distintos anlisis.
En el modelo inicial nos damos cuenta que el modelo es significativo y que tiene un ajuste
lineal del 99%, que es lo que se esperaba debido a que la UTM depende del IPC.
Al analizar la significancia de los estadsticos nos damos cuenta que en tres de las 7
divisiones del IPC utilizadas son menos significativas. Las cuales coinciden con lo
esperado al comienzo de esta actividad.
Lo sorprende ocurre cuando se realiza el anlisis del modelo recomendado. Esto debido a
que a pesar de que se quitan del modelo las variables menos significativas, el coeficiente
de correlacin y el coeficiente de determinacin disminuyes de manera poco relevante.
Esto se explica debido a que sabemos que la UTM depende del IPC considerando todas
sus divisiones. Por lo que al extraer algunas dimensiones aunque sean las menos
significativas disminuye el ajuste lineal. Pero si al modelo le quitamos las variables ms
significativas la disminucin es considerable y si se le van agregando algunas de las
dimensiones del IPC que no se consideraron en el modelo inicial va aumentando. Esto no
ocurre en modelos donde se utilizan variables distintas.
A lo mejor no fue el mejor ejemplo para el tema en estudio, pero sirve para darse cuenta
lo que ocurre en casos ms especficos.
De todas maneras el modelo recomendado tiene un ajuste lineal de aproximadamente el
99%, es un modelo significativo y sus variables tambin son muy significativas.
A modo particular considero que la mayor dificultar presente en el trabajo era encontrar
los datos que se requeran, ya que el Excel es una herramienta muy til que disminuye
considerablemente los tiempos de realizacin del ejercicio.
10
8. Bibliografa
www.bcentral.cl
www.slideshare.net/smedinat/regresin-por-mnimos-cuadrados
11