0 calificaciones0% encontró este documento útil (0 votos)
17 vistas2 páginas
Este documento presenta un taller sobre regresión lineal simple. Explica cómo analizar datos de ingresos y consumo para encontrar la ecuación de regresión, incluidos los valores de b0, b1, R2 y error típico. También describe cómo usar estos valores para predecir el consumo basado en el ingreso, y calcular intervalos de confianza para los parámetros de la regresión.
Este documento presenta un taller sobre regresión lineal simple. Explica cómo analizar datos de ingresos y consumo para encontrar la ecuación de regresión, incluidos los valores de b0, b1, R2 y error típico. También describe cómo usar estos valores para predecir el consumo basado en el ingreso, y calcular intervalos de confianza para los parámetros de la regresión.
Este documento presenta un taller sobre regresión lineal simple. Explica cómo analizar datos de ingresos y consumo para encontrar la ecuación de regresión, incluidos los valores de b0, b1, R2 y error típico. También describe cómo usar estos valores para predecir el consumo basado en el ingreso, y calcular intervalos de confianza para los parámetros de la regresión.
Usted tiene datos de ingreso y consumo en millones de pesos en la hoja 1
a. Si desea repasar puede ver este video https://www.youtube.com/watch?v=ReXRUDYUyeo
b. ¿cuál es la variable independiente y cual la dependiente? La variable independiente corresponde al consumo y la variable dependiente es el ingreso c. Use las fórmulas de Excel (intercepto y pendiente) para encontrar bo y b1 o=0.2090 1=0.6039 d. ¿Qué Significa b0 y b1 en este caso? Cuando mi ingreso es cero, mi consumo es de 209.000. Por cada unidad de ingreso adicional, mi consumo aumenta en 603.900 e. Llene la columna de predicción f. Su modelo, ¿Cuánto predice que consume una persona que gana $2,5 millones? Se predice que una persona que gana 2,5 millones consume 1,71881682 g. Llene la columna de errores h. Calcule la suma de cuadrados totales (dato – promedio)^2 i. Calcule la suma de cuadrados explicados (dato pronosticado – promedio)^2 j. Calcule R2 (suma de cuadrados explicados / suma total de cuadrados) k. En la hoja 2 usted tiene dos regresiones con intercepto y pendiente cercanas, ¿Por qué en la muestra 2 el R2 es mayor? l. Volviendo a la hoja 1, el error típico equivale a la desviación estándar de los datos pronosticados respecto a la línea de regresión. Calcule el error de esta manera: raíz[(dato-pronosticado)^2/(n- 2)], siendo “n” el número de datos. m. ¿Qué significa el error típico en este caso? La desviación del dinero con respecto al promedio. Los datos se están dispersando en promedio 376.000 del promedio n. Si la regresión proviene de un modelo que cumple con los supuestos necesarios el estimador de los parámetros bo y b1 es insesgado. Describa en sus palabras en que consiste que un estimador sea insesgado. Que un estimador sea insesgado equivale a que el valor que encontramos no se comporta como los del parámetro (la población) o. Si la regresión proviene de un modelo que cumple con los supuestos necesarios la desviación estándar de los parámetros estimados (bo, b1) viene dada por los errores típicos. (es decir b0 y b1 provienen de una muestra y pueden cambiar si cambio mi muestra por lo cual tienen distribución de probabilidad, valor esperado, desviación estándar etc). Escriba acá los errores típicos de los coeficientes b0 y b1. Use la herramienta de regresión de la opción de análisis de datos. Error típicoo=0.2875 Error típico1=0.0974 p. Revise que sus estimaciones de b0, b1, R2 (coeficiente de determinación) y error típico coinciden con las de la salida de Excel al usar análisis de datos. q. Recuerde que para construir un intervalo de confianza con una muestra usted hace lo siguiente: valor de la muestra – t(Alpha/2, n-2 grados libertad)*error típico, calcule un intervalo de confianza del 95% para el intercepto y verifique que da igual a la salida de Excel. Intervalo de confianza (-0.39, 0.81) r. ¿Cuánto sería su intervalo si usara un nivel de confianza del 90%? El intervalo sería (-0.29, 0.71)