Scribd
Cargar
371 vistas5 páginas

Coeficiente de Determinación R² en Regresión

Este documento explica el coeficiente de determinación o R2. R2 mide qué tan ajustada está la línea de regresión a los datos y cuánta variación en la variable dependiente (Y) es explicada por la variable independiente (X). Valores cercanos a 1 indican un mejor ajuste, mientras que valores cercanos a 0 indican una mala explicación. El documento también incluye fórmulas para calcular R2 y un ejemplo numérico donde R2 = 0.9687, lo que significa que el 96.87% de la variación en el consumo

Cargado por

Armando Alma
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
371 vistas5 páginas

Coeficiente de Determinación R² en Regresión

Este documento explica el coeficiente de determinación o R2. R2 mide qué tan ajustada está la línea de regresión a los datos y cuánta variación en la variable dependiente (Y) es explicada por la variable independiente (X). Valores cercanos a 1 indican un mejor ajuste, mientras que valores cercanos a 0 indican una mala explicación. El documento también incluye fórmulas para calcular R2 y un ejemplo numérico donde R2 = 0.9687, lo que significa que el 96.87% de la variación en el consumo

Cargado por

Armando Alma
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

CLASE 3.

COEFICIENTE DE DETERMINACIÓN O DE LA BONDAD DE


AJUSTE (R2)
Y X
Consumo = F (ingreso) R2 =0.7

Hasta ahora, hemos visto el problema de explicación de los coeficientes de


regresión y sus errores estándar que han servido para calcular el test “t” y
derivar alguna de sus propiedades, ahora a este coeficiente se lo denomina de
la bondad de ajuste porque se trata de mostrar que tan ajustada está la línea
de regresión respecto al conjunto de datos, por lo que se trata de encontrar en
que medida se ajusta la regresión muestral a los datos.

De esto se desprende claramente que si todas las observaciones coincidieran


con la línea de regresión obtendría más un ajuste perfecto lo que casi nunca
ocurre, ya que generalmente se presenta errores positivos y negativos y la
esperanza que se tiene es que estos errores sean lo más pequeños posibles.

Este coeficiente lo que nos permite ver es que la esperanza de los errores sea
la más pequeña posible y la interpretación econométrica sería que tanto nos
van a explicar las variaciones de X respecto a las variaciones de Y

DIAGRAMA DE BALLENTINE

a) b) c)

Y X Y X Y X
20% 50%
5%

d) e)

y x
y=x
80% 100%
a) R2 = 0 no hay ninguna relación
b) R2 = 0.25 puede haber alguna explicación
c) R2 = 0.50 el 50% está siendo explicada
d) R2 = 0.80 el 80% de Y está siendo explicada por X
e) R2 = 1 explicación perfecta

R2 en la función de regresión muestral…

Y
ei= Debido a lo residual
− ¿ ¿ ¿

SRC ( YI − Y) Y =β i 0 xi . β 1 xi

ei Función de Regresión Muestral

STC ( YI − Y)
−

Y 2 (Y − Y) SEC
¿
−
2
Y Y Debido a la regresión

Xi

STC = SEC + SRC

1= SEC/STC+SRC/STC

SEC
R2 =
STC
¿

∑Y
2

R2 =
∑ Yi 2
β 2 ∑ Xi 2 ∑ Xi 2
2
R =
1

∑ Yi 2
=β
12 ( ∑ Yi 2 )
2
∑ Xi⋅Yi 2 ∑ Xi 2
2
R =
(
∑ xi 2 )(
⋅
∑ Yi 2 )
2 ∑ ( X⋅Yi )2 1
R = ⋅
∑ xi2 ∑ Yi 2
2 ∑ ( Xi⋅Yi )2 ∑ Xi⋅Yi
R = 2 2
⇒ R=
∑ xi ∑ Yi √∑ xi2 ∑ Yi 2

2
0≤R ≤1

STC = SEC + SRC

− − −

Σ ( Yi− Y ) = Σ ( Yi−Y ) + Σ ( Yi−Y )


2 2 2

SEC SRC
1= +
STC STC

SRC
R2 =1−
STC

2
2Σ ei
R =1− 2
Σ Yi
Ejercicio:

n Consumo Ingreso                  
  Yi Xi Yi Xi Xi2 XiYi Yiest. ei ei2 Xi2 Yi2
1 102 114 -25 -31 961 775 100.30 1.70 2.87842 12996 625
2 106 118 -21 -27 729 567 103.75 2.25 5.07092 13924 441
3 108 126 -19 -19 361 361 110.64 -2.64 6.95679 15876 361
4 110 130 -17 -15 225 255 114.08 -4.08 16.6651 16900 289
5 122 136 -5 -9 81 45 119.25 2.75 7.56593 18496 25
6 124 140 -3 -5 25 15 122.69 1.31 1.70538 19600 9
7 128 148 1 3 9 3 129.58 -1.58 2.5076 21904 1
8 130 156 3 11 121 33 136.47 -6.47 41.8995 24336 9
9 142 160 15 15 225 225 139.92 2.08 4.33595 25600 225
10 148 164 21 19 361 399 143.36 4.64 21.5071 26896 441
11 150 170 23 25 625 575 148.53 1.47 2.16234 28900 529
12 154 178 27 33 1089 891 155.42 -1.42 2.01343 31684 729
1524 1740 0 0 4812 4144 1524 0 115.27 257112 3684
12 12
127 145

2( 4144)2
R= =0 . 96871
( 4812)(3684 )

115. 2752
R2 =1− =0. 96871
3 . 684
R2= siempre será un valor positivo

El ingreso explica el 96,87% del Consumo

Las variaciones que se registran en el Ingreso explican el 96.87% de los


movimientos que tiene el Consumo

Pero la diferencia 3.13% se explicaría por otras variables y, entre esas


variables podría estar la riqueza, preferencias del consumidor, crecimiento
económico, etc.
R=
∑ Xi⋅Yi =0 . 98423
√∑ xi2 ∑ Yi 2 R = puede ser un valor negativo

El R2 va a estar entre 0 y 1

El coeficiente de correlación puede estar entre 0 y 1 y entre 0 y –1 puede haber


correlación positiva o negativa.

También podría gustarte