Documentos de Académico
Documentos de Profesional
Documentos de Cultura
no, relación causal entre una variable dependiente (Y) y un conjunto de otras variables explicativas
(X). Asimismo, el modelo busca determinar cuál será el impacto sobre la variable Y ante un cambio
en las variables explicativas (X).
Para establecer un modelo que “explique y en términos de x” hay que tomar en consideración tres
aspectos.
Primero, dado que entre las variables nunca existe una relación exacta, ¿cómo pueden
tenerse en cuenta otros factores que afecten a y?
Segundo, ¿cuál es la relación funcional entre y y x? Y
tercero, ¿cómo se puede estar seguro de que la relación entre y y x sea una relación
ceteris paribus entre y y x (si es ese el objetivo buscado)?
y = β0 + β1x + u
Donde:
Una medida natural de la relación entre dos variables aleatorias es el coeficiente de correlación
cuantifica la intensidad de la relación lineal entre dos variables en un análisis
La covarianza: Nos permite saber cómo se comporta una variable en función de lo que hace otra
variable. Es decir, cuando X sube ¿Cómo se comporta Y? Así pues, la covarianza puede tomar los
siguientes valores:
Covarianza (X,Y) es menor que cero cuando “X” sube e “Y” baja. Hay una relación negativa.
Covarianza (X,Y) es mayor que cero cuando “X” sube e “Y” sube. Hay una relación positiva.
suma total de cuadrados (STC) es una medida de la variación muestral total en las yi ; es
decir, mide qué tan dispersos están las yi en la muestra.
suma explicada de cuadrados (SEC) mide la variación muestral de las y ˆ i (donde se usa el
hecho de que yˆ = y¯)
suma residual de cuadrados (SRC) mide la variación muestral de los uˆi . La variación total
de y puede expresarse como la suma de la variación explicada más la variación no
explicada SRC