Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Anlisis de datos es una herramienta de Excel que permite desarrollar anlisis estadsticos complejos entre los que podemos encontrar: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. Anlisis de Fourier Correlacin Covarianza Estadstica descriptiva Generacin de nmeros aleatorios Histograma Jerarqua y percentil Media mvil Muestreo Prueba t Prueba t para varianzas de dos muestras Prueba z Regresin Suavizacin exponencial Varianza
Nosotros nos enfocaremos en la herramienta de regresin, esta confecciona el anlisis de regresin lineal que utiliza el procedimiento de "mnimos cuadrados" para descubrir como una variable es explicada por otra u otras. Esta herramienta usa la funcin ESTIMACION.LINEAL. Para activar el complemento: Se debe hacer clic en el botn de inicio de Excel, luego seleccionar Opciones de Excel y, a continuacin, haga clic en la categora Complementos. En el cuadro Administrar, seleccione Complementos de Excel y, a continuacin, hacer clic en Ir.
En el cuadro Complementos disponibles, activar la casilla de verificacin Herramientas para anlisis y, a continuacin, haga clic en Aceptar.
Cmo funciona? Para mostrar cmo funciona debemos tener una base de datos con por lo menos una variable dependiente y una independiente como la siguiente:
Rango Y: donde se indicar la localizacin de los datos de las variables dependientes Rango X: donde se indicar la localizacin de los datos de las variables independientes Rango de Salida: indicar las celdas donde se quieren colocar los resultados. en una hoja nueva: esta opcin permite entregar los resultados de la regresin en una hoja nueva la cual nosotros podemos nombrar en la casilla de al lado.
Luego de ingresar los datos se debe presionar Aceptar para que los datos sean procesados. Una vez hecho esto aparecer la hoja de resultados, en el ejemplo al final de este artculo veremos aquella hoja en profundidad.
ejemplo, la influencia de la inversin publicitaria sobre variables de marketing o en finanzas ayudndonos a estimar datos necesarios para los modelos, como el que aborda el siguiente ejemplo.
Al apretar aceptar se generar una nueva hoja con los resultados de nuestra regresin, en la siguiente imagen hemos puedo en negrita y se enumeraron los resultados ms relevantes para nuestro anlisis
1. El R^2 ajustado, ndice que el 35% de la varianza total es explicada por el modelo. Los resultados cercanos al 40% son comunes en estos ejemplos. 2. Los coeficientes de regresin nos entregan en nuestro caso el coeficiente beta y alpha. El coeficiente beta en este caso sera el asociado a la variable X1 (retornos del mercado) y toma un valor de 0,914. 3. La probabilidad o ms conocido como p-value, deben ser menor al nivel de riesgo asumido en el caso del coeficiente beta. Por lo general se asume un 5% de riesgo, por lo que nuestro coeficiente beta es significativo (dado que 0,05>0,000000000000461). Por su parte el coeficiente alpha no es significativo (dado que 0,05<0,7739) , lo que es normal en este tipo de modelos pues se asume que el alpha es cero. En conclusin, hemos podido encontrar que CCU tuvo un beta durante 2010 de 0,914, el cual es significativo por lo que es posible de usar en nuestros modelos financieros.