REGRESION LINEAL SIMPLE ESTADISTICA APLICADA
PROFESORA: SRA. ROSARIO MENESES A.
Funcin de Consumo de KEYNES. En el ao 1936, en su famoso libro. The
General Theory of Employment, interest and Money. (Teora general del empleo,
inters y dinero, el notable economista britnico Jhon Maynard Keynes propuso una
relacin terica entre el ingreso y los gastos de consumo personal. Keynes
argumento que a medida que el ingreso aumentaba, el consumo se incrementaba en
una cantidad menor. Esta relacin terica se ha probado muchas veces desde 1936.
Milton Friedman, profesor de economa de la Universidad de Chicago y
premio Novel de economa, recolecto datos sobre el ingreso y el consumo en Estados
Unidos durante un periodo prolongado. A continuacin se muestran 10 observaciones
sobre los niveles anuales de consumo e ingreso utilizados por Friedman en su estudio,
para obtener una funcin de consumo bajo el supuesto de que existe una relacin lineal
entre el consumo y el ingreso (millones de dlares). (Libro de Estadstica aplicada a
los negocios y la economa Allen L. Welter. 3 edicin , McGrawHill)
Ao Ingreso (X) Consumo
(Y)
1950 284,8 191,0
1951 328,4 206,3
1952 345,5 216,7
1953 364,6 230,0
1954 364,8 236,5
1955 398,0 254,4
1956 419,2 266,7
1957 441,1 281,4
1958 447,3 290,1
1959 483,7 311,2
El modelo de regresin simple
El modelo de regresin lineal simple representa dependencia lineal de una variable
respuesta y cuantitativa, respecto a otra variable explicativa x tambin cuantitativa.
Estructura de los modelos de regresin
Se admite que todos los factores o causas que influyen en una variable respuesta,
dependiente o endgena (y) pueden dividirse en dos grupos: el primero contiene a la
variable (x) llamada variable explicativa, independiente regresora o exgena y que se
supone no aleatoria y conocida al observar (y); el segundo incluye un conjunto muy grande
da factores (variables), cada uno de los cuales influyen en la respuesta en pequea
magnitud, las variables incluidas en el segundo grupo se engloban dentro de un nombre
comn error aleatorio () la forma estructural bsica del modelo es: y = 0 + 1 x +
yi ,i son variables aleatorias; xi es una variable predeterminada con valores conocidos y 0
, 1 son parmetros desconocidos
Ejemplos
y X
Consumo de gasolina de un Cantidad de kilmetros Efecto del conductor, del
vehiculo recorridos tipo de carretera,
condiciones ambientales ,
etc.
Sueldo de un Gerente de Ttulos o estudios Efecto del tipo de empresa,
empresa caractersticas personales,
etc.
El modelos de regresin poblacional dado por y = 0 + 1 x + , no siempre se puede
encontrar, por que por lo general siempre se tienen muestras aleatoria y no se cuenta con las
observaciones poblacionales, esto implica que encontraremos un modelo de regresin
muestral , dada una muestra aleatoria de tamao n
Y corresponde a un modelo de regresin estimado, es decir el modelo que se espera
obtener, el modelo medio dado un valor fijo de x, dado por:
y = 0 + 1 x + e y/x = E ( Y / X ) = = 0 + 1 x
e 0
n
Los errores aleatorios e i= yi - i i 1 i
SUPUESTOS (bajo supuestos, podemos aplicar el mtodo de los mnimos cuadrados)
SUP. 1: Linealidad del modelo
Se debe analizar los datos previamente para decidir si existe una relacin lineal
entre las variables X e Y, en el MRL y = 0 + 1 x + e
SUP. 2: Los valores de la variable Xi son fijos en muestreo repetido.
Los valores que toma el regresor Xi son considerados fijos, se suponen no
estocsticos o aleatorios, en cambio Y i , ei son variables aleatorias yo estocsticas
SUP. 3: El valor medio del error aleatorio es cero
E (e i / Xi) = 0 y/x = E (Y / X) = = 0 + 1 x
SUP. 4: HOMOSCEDASTICIDAD O IGUAL VARIANZA
V( e i / Xi ) = E ( (e i E(e i ) ) / Xi )2 = 2
Nota La eteroscedasticidad o dispersin desigual V ( e i / Xi ) = i2
SUP. 5
Estas condiciones se pueden expresar respecto a la variable dependiente, como
sigue:
- La media o esperanza de la respuesta depende linealmente de x, es decir,
y / x = E (yi) = 0 + 1xi
INTERPRETACION DE PARAMETROS
En el modelo de regresin lineal simple estimado = 0 + 1 x
- El parmetro 0 representa el valor medio de y cuando x es cero,
- 1 representa el Incremento (o decremento) que experimenta la media de y
cuando x aumenta en una unidad.
ESTIMACIN DE LOS PARMETROS 0, 1 DE MODELO
Mediante el mtodo de los mnimos cuadrados, encontraremos estimadores, de los
parmetros. Minimizando la suma de los errores al cuadrado, basados en una muestra
aleatoria de pares de valores (Xi, Yi) de tamao n., bajo los supuestos que se dan a
continuacin
n n n
i y) i 0 1 x i)
2 2
SCE ei ( y
2
(y
i 1 i 1 i 1
SCE
0 Se obtiene un sistema de ecuaciones denominadas normales de 2x2,
-
i
Resolviendo dicho sistema obtenemos los estimadores mnimos cuadrados para los
parmetros 0, 1
y nXY S 2
x
Y X
i xy
i
x x S
2 2 2
0 1 1 n i x
DOCIMAS DE HIPOTESIS DE LA SIGNIFICACION DEL MODELO
Para probar que el modelo de regresin lineal simple estimado es significativo. Es decir
inferir si existe una relacin de dependencia lineal en forma paramtrica a partir de una
muestra aleatoria de observaciones.
Para ello existen dos pruebas de hiptesis que demuestran estadsticamente lo mismo, la
docima de la pendiente 1 y la docima del coeficiente de correlacin r, ( H0 :1 = 0 y la
docima del coeficiente de correlacin H0 : r = 0), en este apunte solo me referir a la
docima del coeficiente de correlacin r .
1-Planteamiento de hiptesis
H0 : r = 0 el modelo no es significativo o no sirve para predecir
H1 : r 0 sirve para predecir {H1:r < 0 menor, inversa prop. H1:r > 0 directa prop.
2 Estadstico de Prueba
n2
t r
0 r
1 r
2
t v n2
3- R.C. = {to< t v n 2;1
2
o to > t v n 2;1
2
}Bilateral
4- Decisin: Se Rechaza Ho, si to e a R.C. con un nivel de significacin del %
DOCIMA DE HIPOTESIS DE Bo y B1
1 o
t o
1
t n 2 ; t o
o
t n 2
2 2
2
2 1 X
n (n 1) 2
(n 1) S X
SX
INTERVALOS CONFIDENCIALES DE PREDICCION
Para determinar un intervalo que permita estimar una prediccin dado un valor de la
variable independiente regresora X0. Necesitamos estimar de la varianza de la regresin
esta dad por
n 1 2 2 2
S y / x (S y _ S x)
2 2
n2 1
INTERVALO DE CONFIANZA PARA LA PREDICCION EN UN PUNTO X0.
2
(x0 X )
Y e y 0 t1 / 2,vn 2 S y / x 1 1n 2
(xi X )
INTERVALO DE CONFIANZA PARA LA PREDICCION MEDIA EN UN PUNTO
X0.
2
(x0 X )
0 t1 / 2,v n2 S y / x 1n
y/x e y 2
(xi X )
EJERCICIOS
1- Un economista del departamento de Recursos Humanos de Florida State esta
preparando un estudio sobre el comportamiento del consumidor, el recolecto los datos que
aparecen en miles de dlares para determinar si existe relacin entre el ingreso del
consumidor y los niveles de consumo :
X = ingreso del consumidor (miles de U$)
Y = niveles de consumo (miles de U$)
8 8 8
xi 20,93 x 55,1569 xy 501,974
2
i ! i 1 i 1
X 2,61625 s x 0,238683143 s y 5,503505376
8 8
Y 23,6 y 188,8 Y 4667,7
2
n8
i 1 i 1
1.1 Encuentre la ecuacin de regresin Lineal simple estimada mediante el mtodo de los
mnimos cuadrados, e interprete el valor de los estimadores de los respectivos parmetros.
1.2 Indique y explique qu tipo de asociacin lineal hay entre las variables, justifique
1.3 Calcule el coeficiente de correlacin parcial e interprete su resultado
1.4 Calcule el coeficiente de determinacin e interprete su resultado, e indique si puede
concluir que existe ajuste lineal con un nivel de significacin del 5%.
1.5 Es posible afirmar que el nivel de consumo es de a lo menos 0,2 miles U$. Use un
nivel de significacin del 5%
1.6 Encuentre el nivel de consumo promedio si el ingreso del consumidor U$2750. Con
una confianza del 90%
.
2-
a) Dibuje el diagrama de dispersin e incluya las rectas estimadas.
b) Encuentre el modelo de regresin lineal simple estimado mediante el mtodo de los
mnimos cuadrados e interprete los coeficiente regresores.
c) Calcule e interprete los indicadores: Cov(x,y), r x,y ,R2, 1- R2.
d) Es posible asegurar que existe asociacin lineal directa entre el rendimiento y la
temperatura. Con un nivel de significacin del 5%.
e) Es posible asegurar que la recta pasa por el origen, use un nivel de significacin del 5%.
3-De acuerdo a la fluctuacin burstil semanal de las acciones, se quiere predecir el precio
que estas deberan alcanzar de acuerdo a: la variacin semanal (%). Para ello se tomo una
muestra aleatoria de 12 acciones y se obtuvo la siguiente informacin (El mercurio
Sabado16-09-06).
N Accin Precio viernes Variacin (%)
15/09/2006 semanal
1 Andina-B 1.288,90 -0,16
2 BCI 14.700,00 1,20
3 Cap 6.900,00 -1,29
4 Cenco sud 1.370,10 2,25
5 Cervezas 2.780,00 5,50
6 Colbun 97,50 1,56
7 Copec 5.199,00 2,34
8 D&S 144,00 1,39
9 Endesa 511,00 0,59
10 Falabella 1.588,00 0,81
11 Enersis 135,00 1,12
12 LAN 4.040,00 4,66
3.1Encuentre un modelo de regresin lineal simple que explique el precio de las acciones
en base a la variacin semanal. E interprete los coeficientes de regresin estimados.
3.2Dibuje un diagrama de dispersin para los datos.
3.3 Calcule el coeficiente de correlacin parcial e interprete su resultado
3.4 Calcule el coeficiente de determinacin e interprete su resultado, e indique si puede
concluir que existe ajuste lineal.
Encuentre el precio promedio de las acciones si la variacin semanal es de 2,1%
