UNIVERSIDAD NACIONAL JOSÉ FAUSTINO SÁNCHEZ CARRIÓN

FACULTAD DE CIENCIAS
ESCUELA PROFESIONAL DE ESTADISTICA E INFORMÁTICA

Curso: ECONOMETRIA
IX CICLO

Docente: Mg. Econ. MIRTA G. PALOMARES CLAROS

Cel: 986244148
 CLASE 5: ANALISIS DE REGRESIÓN

Definiciones
01
Casos
02

Regresión y correlación
03

Fuentes de datos.
04 .
Finalidad del curso
Al finalizar los alumnos puedan aplicar
estas herramientas para estudiar fenóm
enos económicos.
Campos de acción

• Mercado de finanzas
• Economía de la empresa
• Sector público
• Investigación
NATURALEZA DEL ANÁLISIS DE
REGRESIÓN
.
ALGUNAS DEFINICIONES GENERALES

Análisis de Análisis de regresión trata del estudio de la dependencia de la vari

able dependiente en una o mas variables (explicativas), con el objeto de esti
Regresión mar el valor promedio poblacional de la primera en términos de los valores fijos de las ultima
s.

Y X
Ejemplo

Dependiente Independiente
Depende de X Explica a Y
ALGUNAS DEFINICIONES GENERALES

Es una técnica estadística utilizada para predecir o estimar una variable cuan
titativa en función de otra variables cuantitativa o explicativas

Regresi

Y X
ón Line
al simp
le
Dependiente Independiente
Depende de X Explica a Y

Siempre estará al lado izquier

do
ALGUNAS DEFINICIONES GENERALES

Y
Regresi

X
ón Line
al simp
le
Variable que desea
mos predecir o esti Es la variable ex
mar plicativa
ALGUNAS DEFINICIONES GENERALES

La regresión Lineal es una técnica que consiste en modelar una

ecuación de una recta.
ALGUNAS DEFINICIONES GENERALES

Deseamos predecir el sueldo mensual en soles en función de la edad de

un trabajador Huachano.

Sueldo Edad
X y Y tie
Ejempl
o
Y X una rela
direct

Sueldo Edad Edad Sueldo

 Ejemplo de relación inversa
Deseamos predecir el tiempo que demora Graña y Montero en construir un edificio e
n función al numero de trabajadores que contrató para realizar la obra.

Tiempo de construcción N° de trabajadores

Y X
X y Y tienen
Tiempo Trabajado
res
una relación
Inversa

Tiempo Trabajado
res
CASO

Supuesto que se desea predecir la nota de un alumno en función a la cantid

ad de horas a la semana que estudió para el examen del primer módulo.
Caso

Para ello se tomó la muestra de 6 alumnos, cuyos resultados se muestran

en el siguiente cuadro: Horas de estudios Nota
X Y
3 7
6 11
8 14
2 8
1 4
7 13
 CASO
Horas de estu
dios
Nota
Diagrama de dispersión Existen infinitas rectas posi
bles que pasan por los 6 p
X Y
untos
3 7

6 11
Pero hay una recta que es
8 14 la mejor.
2 8

1 4
A esta recta que es la
7 13 mejor es lo que se llam
a la ecuación estima:
‸
Y
 Caso
Ecuación estimada:
Diagrama de dispersión

v. independi
v. dependiente
Ecuación estimada
Se obtiene calculando los par
ámetros o coeficientes b0 y b1
con el método de mínimos cu
Intercepto Pendiente
adrados.
 Caso
Diagrama de dispersión

v. independi
v. dependiente

Pendiente

Indica la inclinación de un el
emento lineal con respecto
al eje horizontal
 Caso
Deseamos predecir la función de consumo nacional (Ct) en función a la
renta nacional (Rt) en el Perú para los periodos tal.

Consumo nacional per cápita Renta nacional per cápita PBI

Y =C t X=R t
X y Y tiene
n una relaci
ón Directa
Consumo Renta

Consumo
Renta
 EJEMPLO DE REGRESIÓN
Como cambia la estatura promedio de los hijos dada la estatura de los padres ósea predecir la estatu
ra promedio de los hijos a partir de la estatura de sus padres en una población hipotética.

Estatura de hijo Estatura de padres

s

La recta de regresión mu
estra que el promedio de
la estatura de los hijos au
menta conforme crece a l
a de los padres
 Ejemplo de regresión
En la economía monetaria se sabe que, si se mantienen constantes otros factores, cuanto mayor sea la
tasa de inflación π, menor será la proporción k del ingreso que la gente deseará mantener en forma de
dinero, como se ve en la figura. La pendiente de esta recta representa el cambio en k con un cambi
o en la tasa de inflación. Un análisis cuantitativo de esta relación permite a un economista predecir l
a cantidad de dinero, como proporción del ingreso, que la gente deseará mantener con diversas tasas d
e inflación.

Y X
K.dinero Tasa de inflación
RELACIONES ESTADÍSTICAS Y RELACIONES DETERMINÍSTICAS

Relaciones estadísticas:

En las relaciones estadísticas entre variables se analizan, en esencia, variables aleatorias o estocásticas
es decir, variables con distribuciones de probabilidad. Por otra parte, en la dependencia funcional o det
erminista también se manejan variables, pero no son aleatorias o estocásticas.

Ejemplo:

El rendimiento de un cultivo depende de la temperatura, lluvia, Sol y fertilizantes, y dicha d

ependencia es de naturaleza estadística porque las variables explicativas, si bien son import
antes, no permiten al agrónomo predecir en forma exacta el rendimiento del cultivo debido
a los errores propios de la medición de estas variables y a otra serie de factores (variables)
que en conjunto afectan el rendimiento pero son difíciles de identificar individualmente. De
esta manera, habrá alguna variabilidad “intrínseca” o aleatoria en la variable dependiente,
el rendimiento del cultivo, que no puede explicarse en su totalidad sin importar cuántas var
iables explicativas se consideren.
RELACIONES ESTADÍSTICAS Y RELACIONES DETERMINÍSTICAS

Relaciones determinísticas:

Variables fijas

Ejemplo:

Implican relaciones como la ley de la gravedad de Newton, la cual establece que toda partícula en el un
iverso atrae a cualquier otra partícula con una fuerza directamente proporcional al producto de sus mas
as e inversamente proporcional al cuadrado de la distancia entre ellas. En términos matemáticos, dond
e F = fuerza, m1 y m2 son las masas de las dos partículas, r =distancia y k constante de proporcionalid
ad.
 Regresión y correlación

El análisis de correlación se relaciona de ma

nera estrecha con el de regresión, aunque co
nceptualmente los dos son muy diferentes. E
n el análisis de correlación, el objetivo princip
al es medir la fuerza o el grado de asociación
lineal entre dos variables.
 Regresión y correlación
El coeficiente de correlación, mide esta fuerza de asociación (lineal):

Ejemplo:
Si se desea encontrar la correlación (coeficiente) entre el hábito de fumar y el c
áncer del pulmón; entre las calificaciones en exámenes de estadística y en exá
menes de matemáticas; entre las calificaciones de bachillerato y de la universi
dad.
El Análisis de regresión
En cambio, se trata de estimar o predecir el valor promedio de una variable c
on base en los valores fijos de otras. Así, quizá se desee predecir el promedi
o de las calificaciones en un examen de estadística a partir de la calificación
de un estudiante en un examen de matemáticas.
REGRESIÓN Y CORRELACIÓN

La regresión y la correlación presentan dife

rencias fundamentales que son. En el análi
sis de regresión hay una asimetría en el tra
tamiento a las variables dependientes y ex
plicativas. Se supone que la variable depe
ndiente es estadística, aleatoria o estocásti
ca, es decir, que tiene una distribución de
probabilidad. Por otra parte, se asume que
las variables explicativas tienen valores fijo
s (en muestras repetidas).
 Terminología y anotación

Análisis de regresi
ón simple vs análisi
s de regresión múlt
iple
 Análisis de regresión simple vs análisis de reg
resión múltiple
Análisis de regresión simple o con dos variable: En una r
egresión de dos variables sólo hay una variable explicativa, eje
mplo si se estudia la dependencia de una variable respecto de
una única variable explicativa, como el consumo que depende d
el ingreso real.

Análisis de regresión múltiple: Hay mas de una variable ex

plicativa por ejemplo si se estudia la dependencia de una varia
ble respecto de más de una variable explicativa, como el rendi
miento de un cultivo, la lluvia, la temperatura, el Sol y los fertili
zantes.
FUENTES DE DATOS PARA EL ANÁLISIS ECONÓMICO
El éxito de todo análisis econométrico depende a final de cuentas de la disponibilidad de los d
atos recopilados.
Hay tres tipos de datos disponibles para el análisis empírico: series de tiempo, series transversale
s e información combinada (combinación de series de tiempo y transversales).

Datos de serie de tiempo

Una serie de tiempo es un conjunto de observaciones sobre los valores de una variable en diferentes mom
entos. Tal información debe recopilarse en intervalos regulares, es decir, en forma diaria (precios de accio
nes, informes del tiempo, etc.), semanal (como cifras de oferta monetaria), mensual (tasa de desempleo,
Índice de Precios al Consumidor [IPC], etc.), trimestral (como el PIB), anual (como los presupuestos del g
obierno), quinquenal (como el censo de la industria manufacturera), o decenal (como los censos de pobla
ción).
 Fuentes de datos para el análisis económico
Datos trasversales
Los datos transversales consisten en datos de una o más variables recopil
ados en el mismo punto del tiempo, como el censo de población realizado
.

Información combinada

Tiene elementos de series de tiempo y de corte transversal.

Fuentes de datos para el análisis económico
Datos en panel, longitudinales o en micropanel

Hay un tipo especial de datos combinados en el cual se estudia a tr

avés del tiempo la misma unidad transversal (por ejemplo, una fam
ilia o una empresa). Por ejemplo, el Departamento de Comercio de
Perú realiza un censo de vivienda en intervalos periódicos. En cada
encuesta periódica se entrevista a la misma unidad familiar (o a la
gente que vive en la misma dirección) para averiguar si ha habido a
lgún cambio en las condiciones de vivienda o financieras de esa uni
dad familiar desde la última encuesta. Los datos en panel que se o
btienen de las entrevistas periódicas de la misma unidad familiar pr
oporcionan información muy útil sobre la dinámica del comportamie
nto de las unidades familiares.
 PRECISIÓN DE LOS DATOS
Si bien se dispone de numerosos datos para la investigación económica, su calidad no sie
mpre es adecuada, y por múltiples razones:

1. Los datos de las ciencias sociales son de naturaleza no experimental. Por consiguiente,
es posible incurrir en errores de observación, sea por acción u omisión.

2. Aun en datos reunidos experimentalmente surgen errores de medición debido a las

aproximaciones o al redondeo.

3. En encuestas por cuestionarios, el problema de la falta de respuesta puede ser grave

; un investigador tiene suerte si obtiene una tasa de respuesta de 40%. El análisis basa
do en dicha tasa de respuesta parcial quizá no refleje de verdad el comportamiento del
60% que no respondió, y ocasione, por consiguiente, un sesgo de selectividad (mu
estral).
 PRECISIÓN DE LOS DATOS

4. Los métodos de muestreo para obtención de datos llegan a variar tanto

que a menudo es difícil comparar los resultados de las diversas muestras.

5. Y por ultimo puede variar ya que se puede obtener una información y después variar los d
atos.

En conclusión el resultado de la inves

tigación solamente será tan bueno co
mo lo sea la calidad de los datos.
 EN CONCLUSIÓN
Modelos de regresión lineal

Función Regresión

Expresión determinística 𝑦=𝑓 𝑥 Expresión determinística +

aleatoria

𝑦 = 𝑏0 + 𝑏1 𝑥 2 + 𝜀
Error

Expresión determinística Aleatoria

Regresión
EN CONCLUSIÓN
.
La econometría no esti
ma funciones, si no re
gresiones
La mejor
 EN CONCLUSIÓN
Un supuesto: si suponemos que una economía cerrada tenga mayores ingresos que
una economía cerrada, como planteo mi hipótesis de la siguiente manera:
¿Como afecta las exportaciones al ingreso de un país? Ose
te va explicar el impacto que ocasiona las exportaciones e
n el ingreso o PBI de un país o economía

Y X
Ingreso Exportacione
s s
 En conclusión
Para contestar la pregunta debemos estimar una regresión lineal

𝑦 = 𝛽0 + 𝛽1 𝑥 + 𝜀
Y

𝛽1

𝛽0

X
 EJEMPLOS

DEMOSTRACIÓN DE EJERCICIOS EN STATA

TAREA
.
TRABAJO EN EQUIPO
Grupo 1
Análisis de regresión con variables múltiples

Grupo 2
Modelo de regresión con variables dicotómicas

Grupo 3
Modelo de regresión con variables dicotómicas

Debe contener:
Conceptos y presentación de dos casos o ejerci
cios.
GRACIAS
Estudiantes