Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Beto 3
Beto 3
Y = F(X )
Si se considera que la relacin puede ser de tipo lineal, la formalizacin vendra determinada por una ecuacin como la siguiente
Y = 1 + 2 X
Y = 1 + 2 X + U
Supongamos que se dispone de T observaciones de las variable Y y X
Y1 = 1 + 2 X 1 + u1
Y2 = 1 + 2 X 2 + u 2
Yn = 1 + 2 X n + un
Yt = 1 + 2 X t + U t
t = 1, 2, 3.,T.
6 4 2 0 0 2 4 X 6 8 10
4 X
10
La estimacin de los parmetros supone encontrar la ordenada en el origen y la pendiente de una recta que mejor se aproxime a los puntos
Yt = 1 + 2 X t + U t
Recta de Regresin Estimada
Yt = 1 + 2 X t
Errores o residuos
u t = Yt Yt = 1 2 X t
Minimizar
u
t =1
b) La suma de todos los residuos en trminos absolutos sean prximas a cero Minimizar
n t =1
ut
c) La suma de todos los residuos elevados al cuadrado sean prximas a cero Minimizar
u t2 t =1
2 t t =1
u =
S =
t =1
Yt Yt
) = (Y X )
2 n t =1 t 1 2 t
n S = 2 (Yt 1 2 X t )X t = 0 t =1 2
Regresin Lineal
Obtencin de los estimadores
Operando y reagrupando trminos se obtendra, la expresin analtica de los estimadores mnimo-cuadrticos de la regresin lineal simple:
1 = Y 2 X
= Cov (Y , X ) 2 var( X )
= Cov (Y , X 2 ) 3 Cov ( X 2 , X 3 ) 2 var( X 2 )
En el caso de un modelo de regresin lineal mltiple, las expresiones anteriores se transformaran del siguiente modo:
1 = Y 2 X 2 3 X 3
Forma funcional Sobre la perturbacin Aleatoria Sobre las variables independientes Sobre el vector de parmetros
Representa el cambio relativo en la variable dependiente ante un cambio en un 1% en la variable j, permaneciendo el resto de factores constantes
* jt
Representa la importancia relativa que tiene cada una de las variables en la explicacin de la variable dependiente.
Relacin entre los parmetros estimados con las variable expresadas en niveles y en la misma unidad de medida (tipificadas).
* = x j jt jt y
Donde:
x j y