ESTIMACION DEL MODELO MULTIVARIADO DEL GASTO SEMANAL DE UN ESTUDIANTE DE LA

UNIVERSIDAD CENTRAL

INTRODUCCION

El análisis multivariado es el conjunto de métodos estadísticos cuya finalidad es establecer

simultáneamente conjunto de datos multivariados, en el sentido que hay varias variables medidas
para cada parámetro.

Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio obteniendo
información. En este documento se analiza el gasto semanal de un estudiante teniendo en cuenta
varios factores cotidianos, para obtener una interpretación de los datos y el comportamiento de
los mismos se establecen factores tales como el transporte, comida, insumos(fotocopias,
trabajos).

OBJETIVOS

 Estimar un modelo de predicción basado en múltiples variables.

 Medir, explicar y predecir el grado de relación que existe entre los parámetros de los
gastos semanales de un estudiante de la universidad central.

MARCO TEORICO

El análisis multivariado se refiere a un conjunto de métodos los cuales pueden analizar

simultáneamente la relación existente entre variables correlacionadas. Kendell (1980) define
¨Análisis multivariado como la rama del análisis estadístico concerniente con las relaciones de
conjuntos de variables dependientes¨

En el modelo de regresión lineal múltiple esperamos que los sucesos tengan una forma funcional
como

𝑦𝑗 = 𝑏0 + 𝑏1 𝑥1𝑗 + 𝑏2 𝑥2 + ⋯ + 𝑏𝑘 𝑥𝑘𝑗 + 𝑢𝑗

Mediante un modelo de regresión lineal múltiple se explica el comportamiento de una

determinada variable que se denomina variable a explicar, variable endógena o variable
dependiente, (y representaremos con la letra Y) en función de un conjunto de k variables
explicativas X1, X2, ..., Xk mediante una relación de dependencia lineal (suponiendo X1 = 1):
Para determinar el modelo anterior, es necesario hallar (estimar) el valor de los coeficientes β1,
β2, ..., βk. La linealidad en parámetros posibilita la interpretación correcta de los parámetros del
modelo. Los parámetros miden la intensidad media de los efectos de las variables explicativas
sobre la variable a explicar y se obtienen al tomar las derivadas parciales de la variable a explicar
respecto a cada una de las variables explicativas:
∂Y
β𝒋 = ; 𝒋 = 𝟏, … , 𝒌
∂ Xj

El propósito es asignar valores numéricos a los parámetros β1, β2, ..., βk. Es decir, se estima el
modelo de manera que, los valores ajustados de la variable endógena resulten tan próximos a los
valores realmente observados como sea posible.

ESTIMACION DEL MODELO

VERIFICACION DE SUPUESTOS

1. Las perturbaciones tienen una varianza constante (supuesto de homoscedasticidad):

𝑣𝑎𝑟 (𝑢𝑖 ) = 2 𝑖 = 1, 2, . . . 𝑛

2. Las perturbaciones con diferentes subíndices no están correlacionadas entre sí (supuesto

de no autocorrelación):

𝐸 (𝑢𝐼 𝑢𝑗 ) = 0 𝑖j

ANALISIS