EJEMPLO: Regresin Lineal en Excel Ing.

Russell Crdova Como hacer una regresin lineal en Excel

Como hacer una regresin lineal en Excel En el siguiente artculo les mostraremos como hacer una regresin lineal univariada utilizando el complemento de anlisis de datos de Microsoft Excel, les explicaremos que es este complemento, como activarlo y que otros usos tiene. Finalmente utilizaremos esta herramienta para calcular el coeficiente Beta (), que es una medida de volatilidad ampliamente utilizada en modelos vistos en cursos financieros, para la empresa chilena CCU (Compaa de Cerveceras Unidas) en el periodo 2010.

Qu es el complemento de anlisis de datos y como activarlo?

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:

Luego vamos a datos y hacemos clic en anlisis de datos y finalmente en regresin

La ventana de Regresin pedir los siguientes datos:

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.

Aplicaciones profesionales del complemento

Las herramientas de varianza, correlacin, covarianza, histograma, jerarqua y percentil, y prueba t para varianzas de dos muestras pueden ser usadas para analizar la dispersin de datos en muestras, por su parte la herramienta de estadsticas descriptivas puede ser usado para obtener medidas de tendencia central, esto es bastante usado en el campo de investigacin de mercados si es que no se cuenta con un programa ms sofisticado como SPSS o Stata. La herramienta de generacin de nmeros aleatorios puede ser usado para hacer simulaciones, algo que es usado en el rea de gestin de operaciones. Las herramientas de suavizacin exponencial y media mvil son usadas en una variedad de reas para hacer pronsticos con datos de series de tiempo. Por su parte, las herramientas de prueba t y prueba z sirven mucho para hacer contrastes de hiptesis, en particular la primera sirve para muestras pequeas y la segunda para muestras de 30 datos o ms. Tambin la prueba t es usada para probar diferencia de medias. Finalmente la herramienta de regresin tiene variados usos en marketing mostrando, por

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.

Ejemplo: Calculando el beta de CCU

A continuacin calcularemos el coeficiente Beta () para la accin de CCU durante el 2010. Para ello utilizaremos el siguiente modelo de regresin lineal que dice que el retorno de la accin (Ri) es explicado por el retorno de mercado (Rm), donde el coeficiente Beta indica el grado de volatilidad respecto al mercado de la accin. Lo anterior queda enunciado en la siguiente ecuacin: En nuestra hoja de clculo (descargar aqu) tenemos los ltimos 120 retornos semanales para la accin de CCU y para el ndice IGPA respecto al ltimo da del 2010. El ndice IGPA, en este caso, ser utilizado como una medida del mercado y nuestra accin a investigar ser la de la compaa CCU. A continuacin abriremos el complemento de anlisis de datos como lo indicado anteriormente (Datos-> Anlisis-> Anlisis de datos-> Regresin). Se nos abrir una ventana con las opciones del complemento, donde nos pide la ubicacin de las celdas del Rango Y (variable dependiente) y del Rango X (variable independiente), que bajo nuestro modelo es Ri y Rm respectivamente. Rellenamos los datos, donde el Rango Y llevar los datos para los retornos de la accin de CCU y el Rango X llevar los datos de los retornos del IGPA. Solicitaremos los resultados en una hoja nueva, de nombre "beta2010". Tambin es recomendado pedir la curva de regresin ajustada, que es un grfico nos permitira ver de manera visual que tanto se ajusta nuestra regresin a los datos pedidos, pero los omitiremos esta vez del anlisis.

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.