MODELACIN Y

SIMULACIN 2

GUA DE CONTENIDO

Ao 2010 | by Cinderella

Gua de contenido

Tabla de contenido
1.

Anlisis de regresin ........................................................................................................... 4

1.1.

Naturaleza de la econometra ..................................................................................... 4

1.2.

Modelo de regresin simple........................................................................................ 4

1.3.

Modelo de regresin mltiple..................................................................................... 4

a.

Error estndar de estimacin ........................................................................................ 5

b.

Coeficiente de determinacin mltiple......................................................................... 5

c.

Coeficiente de determinacin corregido...................................................................... 5

d.

Evaluacin total del modelo como un todo .................................................................. 5

e.

Pruebas individuales para los coeficientes ................................................................... 6

Multicolinealidad................................................................................................................... 6
Prctica .................................................................................................................................. 9
1.4.

Variables Categricas ................................................................................................ 11

1.4.1.

Dicotmicas ........................................................................................................ 11

1.4.2.

Policotomicas ..................................................................................................... 11

1.5.

Coeficiente de determinacin ................................................................................... 11

1.6.

Matriz de correlacin ................................................................................................ 11

1.7.

Colinealidad................................................................................................................ 11

1.8.

Matriz de covarianza y varianza ............................................................................... 11

1.9.

Intervalos de confianza para coeficientes ............................................................... 11

1.10.

2.

Tcnicas de muestreo ............................................................................................ 11

1.10.1.

Mtodo aleatorio................................................................................................ 11

1.10.2.

Mtodo Sistemtico ........................................................................................... 11

1.10.3.

Estratos............................................................................................................... 11

Series de tiempo ................................................................................................................ 11

2.1.

Pronsticos................................................................................................................. 11

2.2.

Anlisis de tendencia ................................................................................................. 11

2.2.1.

Mtodo Grfico ................................................................................................... 11

2.2.2.

Mtodo de Medias Mviles ................................................................................ 11

2.3.

Anlisis de series temporales ................................................................................... 11

2.4.

Componentes de una serie de tiempo. ..................................................................... 11

2.5.

Autocorrelacin ......................................................................................................... 11

2.6.

Coeficientes de autocorrelacin ............................................................................... 11

2.7.

Correlograma ............................................................................................................. 11

Modelacin y Simulacin 2

Pgina 2

Gua de contenido
3.

Presupuestos y herramientas gerenciales ....................................................................... 11

3.1.

El presupuesto como herramienta para pronosticar.............................................. 11

3.2.

Potencial del mercado total ...................................................................................... 11

3.3.

Indicador de Factor Mltiple .................................................................................... 12

Modelacin y Simulacin 2

Pgina 3

Gua de contenido

1. Anlisis de regresin
1.1.Naturaleza de la econometra
1.2.Modelo de regresin simple
1.3.Modelo de regresin mltiple
En el modelo de regresin mltiple se incorporan varias variables independientes las cuales
ayudan a explicar la variable dependiente.
= 0 + 1 1 + 2 2 + + +
son los coeficientes de regresin y es el trmino de error aleatorio.

Estimacin del modelo

Se estima el modelo utilizando los datos muestrales as:
= 0 + 1 1 + 2 2 + +
es el valor estimado para la variable dependiente y son los estimados para los
coeficientes poblacionales .

Supuestos de la regresin mltiple

El modelo de regresin mltiple debe cumplir con todos los supuestos establecidos en
el modelo de regresin lineal, adems de los dos siguientes:
1. El nmero de observaciones n debe exceder al nmero de variables
independientes k, en por lo menos 2.
2. Ninguna de las variables independientes deben estar linealmente
relacionadas. 1
Multicolinealidad:

Existe

multicolinealidad

independientes estn linealmente relacionadas.

si

dos

ms

variables

La multicolinealidad puede hacer que los signos de los coeficientes cambien de

signo con respecto a lo que dicta la lgica real del sistema.

Evaluacin del modelo

Despus de haber estimado el modelo, es necesario evaluarlo para determinar si proporciona
un ajuste y explicacin satisfactorios para los datos recolectados.

Multicolinealidad

Modelacin y Simulacin 2

Pgina 4

Gua de contenido
a. Error estndar de estimacin
Mide los grados de dispersin de los valores
alrededor del plano de regresin, entre menos
dispersin ms pequeo ser el error y ms preciso
el modelo.
2

b. Coeficiente de determinacin mltiple

Mide la porcin del cambio en que es explicada por las variables independientes.
2 =

Debido a que = + tambin se tiene que:

2 = 1

c. Coeficiente de determinacin corregido

Al momento de agregar variables al modelo se debe evaluar este coeficiente, si el valor
disminuye demasiado con respecto al valor anterior, se debe considerar no tomar en cuenta la
variable.
2 = 1 (1 2 )

1
1

d. Evaluacin total del modelo como un todo

Se realizar por medio del anlisis de varianza ANOVA, con la siguiente prueba de hiptesis:
0 : 1 = 2 = 3 = = = 0
: Al menos un no es 0
Tabla: Anlisis ANOVA
Fuente de
variacin
(origen)
Regresin
(entre
muestras)
Residual (error)
=

Total
2

Grados de
libertad

Suma de
cuadrados
(SS)

Cuadrado
medio (MS)

Suma de cuadrados total

Suma de cuadrados de la regresin
Suma de cuadrados del error

Modelacin y Simulacin 2

Pgina 5

Gua de contenido
Se debe verificar la tabla de distribucin con un nivel de significancia y grados de
libertad1 y 1 grados de libertad2, este valor ser en la tabla.

Si el valor de en el anlisis de ANOVA es mayor al en la tabla, se rechaza la Hipotesis Nula,

si es menor se acepta la Hipotesis Nula.
e. Pruebas individuales para los coeficientes
Luego de realizar una prueba total para el modelo, mediante el anlisis de la tabla ANOVA, es
necesario realizar una prueba de hiptesis para cada coeficiente.
La prueba se realiza de la misma forma que en el modelo de regresin lineal simple, pero se
debe considerar una prueba por cada coeficiente , excepto 0 .
0 : 1 = 0
: 1 0
Se utiliza la prueba estndar con 1 grados de libertad.
=

1 1
1

Donde 1 es el error estndar del coeficiente de regresin.

Tabla: Anlisis de regresin
Variable
Constante

Coeficiente
0
1
2
3

Error estndar
0
1
2
3

T
0
1
2
3

P
0
1
2
3

Multicolinealidad
Cuando dos variables independientes estn relacionadas linealmente entre s, todo modelo
tiene algn grado de multicolinealidad, pero se busca que este sea el ms bajo posible.
El grado de multicolinealidad aceptado depender del criterio del investigador.

Modelacin y Simulacin 2

Pgina 6

Gua de contenido

Ejemplo
= Nivel de ahorro
1 = Gastos de hombres en un mes
2 = Gastos de mujeres en un mes
3 = Gastos de toda la poblacin en un mes
es una combinacin lineal de 1 y 2 ( 3 = 1 + 2 ). La correlacin 13 entre
1 3 y la correlacin 23 entre 2 3 es muy alta. Esto garantiza la presencia de la
multicolinealidad y crea muchos problemas en el uso de las tcnicas de regresin.
Pruebas para detectar multicolinealidad
La forma ms directa para probar la multicolinealidad es producir una matriz de correlacin
para todas las variables del modelo.
Matriz de correlacin: Es una matriz que muestra todas las posibles parejas de
variables y su coeficiente de correlacin asociado.

En toda matriz de correlaciones la diagonal siempre tiene valores 1 y la parte

superior es idntica a la inferior.

1
(, 1 )
(, 2 )
(, 3 )
(, )

(1 , )
1
(1 , 2 )
(1 , 3 )
(1 , )

(2 , )
(2 , 1 )
1
(2 , 3 )
(2 , )

(3 , )
(3 , 1 )
(3 , 2 )
1
(3 , )

( , )
( , 1 )
( , 2 )
( , 3 )
1

Pruebas de hiptesis para las autocorrelaciones

Para las parejas de variables independientes donde se vea una alta correlacin, se
debe efectuar una prueba de hiptesis para el coeficiente de correlacin de ambas
variables.
0 : 12 = 0
: 12 0
Donde 12 es el coeficiente de correlacin poblacional para 1 y 2 .
=

12

Donde 12 es la correlacin muestral entre 1 y 2 y

Modelacin y Simulacin 2

Pgina 7

Gua de contenido

2
1 12
2

Hay 2 (no 1) grados de libertad.

Adems del anlisis de la matriz de correlaciones, una segunda forma es realizar una
comparacin de los coeficientes de determinacin de cada una de las variables independientes
con la variable dependiente, de tal forma que se pueda apreciar si hay alguna variable que no
aporta suficiente luego de integrarla al modelo.
Si el crecimiento luego de agregar una variable no es significativo, dicha variable puede aportar
problemas de multicolinealidad.
Factor de inflacin de la varianza
Un tercer mtodo para detectar multicolinealidad es analizar el Factor de Inflacin de la
Varianza ().
El para una variable , se calcula realizando regresin con respecto al resto de variables,
utilizando el coeficiente de determinacin para calcular la influencia de la variable en la
multicolinealidad.
FIV: El para toda variable independiente es una medida del grado de multicolinealidad en que
contribuye dicha variable.

1
1 2

La multicolinealidad produce un incremento en la variacin o error estndar del coeficiente de

regresin.
El mide el incremento en la varianza del coeficiente de regresin por encima del que
ocurrira si no estuviese presente la multicolinealidad.
Criterio para analizar el FIV : La multicolinealidad no se considera un problema
significativo a menos que uno de los valores de los sea como mnimo 10, o bien la

suma de todos los sea como mnimo 10.

Presencia de multicolinealidad
1. Incapacidad para separar el efecto neto de las variables independientes
individuales sobre "".
2. Un error estndar exagerado para los coeficientes "".
3. Signos algebraicos en los coeficientes que contradicen la lgica o naturaleza del
sistema real.
4. Alta correlacin entre variables independientes y un elevado.

Modelacin y Simulacin 2

Pgina 8

Gua de contenido
5. Grandes cambios en los coeficientes o en sus signos, si el numero de
observaciones cambia en una sola observacin.
6. Una razn "" significativa combinada con razones "" no significativas.
7. Grandes cambios en los coeficientes o en sus signos cuando se adiciona o se quita
una variable.
Corrigiendo la multicolinealidad
La solucin evidente ser eliminar la variable que provoque el problema de multicolinealidad.
Si dos variables independientes tienen una alta relacin entre si, ser variable candidata a
eliminar la que menos aporte en la explicacin de la variable dependiente.
Al
elimin
Sesgo de especificacin : Especificacin errnea de un modelo a causa de la
ar una
inclusin o exclusin de ciertas variables que provocan contradiccin con los
de las
principios tericos del sistema real.
variabl
es
puede conllevar la presencia de un sesgo de especificacin.

Si la lgica del sistema real no permite la eliminacin del sistema se puede considerar lo
siguiente:
Cambiar de dimensiones la variable.
No incluir valores totales, ms bien individuales.
Combinar dos o ms variables en una sola.
Prctica
Considere la siguiente tabla de datos:
= Pasajeros
(miles)
15
17
13
23
16
21
14
20
24
17
16
18
23

Modelacin y Simulacin 2

= Publicidad
(miles de dlares)
10
12
8
17
10
15
10
14
19
10
11
13
16

= Ingreso nacional
(billones de dlares)
2.40
2.72
2.08
3.68
2.56
3.36
2.24
3.20
3.84
2.72
2.07
2.33
2.98

Pgina 9

Gua de contenido
15
16

10
12

1.94
2.17

1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.

Encuentre el modelo de regresin mltiple.

Explique el error estndar de estimacin.
Explique el coeficiente de determinacin.
Qu explicacin puede dar al coeficiente de determinacin corregido?
Realice una prueba total del modelo.
D sus conclusiones.
Realice pruebas individuales para los coeficientes.
Encuentre la matriz de correlacin y explquela.
Hay multicolinealidad?
Encuentre el modelo de regresin mltiple.
Haga un anlisis para los valores .
Realice pruebas para detectar existencia significativa de multicolinealidad.
De ser necesario de sus recomendaciones para solucionar un alto grado de
multicolinealidad.
14. D sus conclusiones.

Modelacin y Simulacin 2

Pgina 10

Gua de contenido

1.4.Variables Categricas
1.4.1. Dicotmicas
1.4.2. Policotomicas

1.5.Coeficiente de determinacin
1.6.Matriz de correlacin
1.7.Colinealidad
1.8.Matriz de covarianza y varianza
1.9.Intervalos de confianza para coeficientes
1.10.

Tcnicas de muestreo

1.10.1. Mtodo aleatorio

1.10.2. Mtodo Sistemtico
1.10.3. Estratos

2. Series de tiempo
2.1.Pronsticos
2.2.Anlisis de tendencia
2.2.1. Mtodo Grfico
2.2.2. Mtodo de Medias Mviles

2.3.Anlisis de series temporales

2.4.Componentes de una serie de tiempo.
2.5.Autocorrelacin
2.6.Coeficientes de autocorrelacin
2.7.Correlograma

3. Presupuestos y herramientas gerenciales

3.1.El presupuesto como herramienta para pronosticar
3.2.Potencial del mercado total

Modelacin y Simulacin 2

Pgina 11

Gua de contenido

3.3.Indicador de Factor Mltiple

Modelacin y Simulacin 2

Pgina 12