UNIVERSIDAD NACIONAL AUTÓNOMA DE NICARAGUA

(UNAN-LEÓN)
FACULTAD DE CIENCIAS Y TECNOLOGÍAS
CIENCIAS ACTUARIALES Y FINANCIERAS

AUTORES:
 EMELYN DALAY BENEDITH MENDOZA.
 HASSLY JOSÉ ULLOA RODRÍGUEZ.
 FRANCISCO ANTONIO GARCIA HUETE.

DOCENTE:
LIC. ROBERTO NOVOA

LEÓN, 05 DE ENERO DEL 2023

“A LA LIBERTAD POR LA UNIVERSIDAD”

 Capítulo 1

Naturaleza del análisis de regresión

Origen histórico del término regresión
La ley de regresión universal de Galton fue confirmada por su amigo , quien reunió mas de mil registros
de estaturas de miembros de grupos familiares. Pearson descubrió que la estatura promedio de los hijos
de un grupo de padres, es decir se trata de un fenómeno mediante el cual los hijos altos e hijos bajos
“regresan” por igual a la estatura promedio de todos los demás, es una regresión o la mediocridad.

Interpretación moderna de la regresión

El análisis de regresión trata del estudio de la dependencia de una variable (variable dependiente)
respecto de una o más variables (variables explicativas) con el objetivo de estimar o predecir la media o
valor promedió poblacional de la primera en términos de los valores conocidos o fijos (en muestras
repetidas) de las segundas.

La importancia trascendental de este enfoque del análisis de regresión se vera claramente sobre la
marcha.

Regresión y causalidad
Aunque el análisis de regresión tiene que ver con la dependencia de una variable respecto de otras
variables, esto no implica causalidad necesariamente, porque un a relación estadística, por mas fuerte y
sugerente que sea, nunca podrá establecer una conexión causal.

El análisis de correlación se relaciona de manera estrecha con el de regresión, aunque conceptualmente

los dos son muy diferentes. El análisis de correlación tiene como objetivo principal medir la fuerza o el
grado de asolación lineal entre dos variables. El coeficiente de correlación mide esta fuerza de asociación
(lineal).

En el análisis de regresión, se trata de estimar o predecir el valor promedio de una variable con base en
los valores fijos de otras.

La regresión y la correlación presentan diferentes fundamentales, por un lado, el análisis de regresión

hay una asimetría en el tratamiento a las variables dependientes y explicativas, además se supone que la
variable dependiente es estadística, aleatoria y estocástica, es decir, que tiene una distribución de
probabilidad, por el otro lado el análisis de correlación se trata de dos variables cualesquiera en forma
simétrica; no hay distinción entre las dos variables dependientes y explicativa.

Naturaleza y fuentes de datos para el análisis económico

Hay tres tipos de datos disponibles para el análisis empírico.

 Series de tiempo
 Series transversales
 Información combinada

Observación sobre las escalas de medición de las variables

Las variables que a menudo encontraras se clasifican en cuatro categorías generales:

Escala de razón

Para la variable x al tomar dos valores son cantidades con un significado, son sensatas las
comparaciones.

Escala de intervalo

Una variable en escala de intervalo satisface las dos últimas propiedades de la variable en escala de
razón, pero no la primera.

Escala ordinal

Una variable pertenece a esta categoría solo si satisface la tercera propiedad de la escala razón.

Escala nominal

Las variables de esta categoría no tienen ningunas características de las variables en escala de razón.
 Capítulo 2
Análisis de regresión con dos variables: algunas ideas básicas
El concepto fundamental del análisis de regresión es el de función de esperanza condicional (FEC) o
función de regresión poblacional (FRP).

El objetivo del análisis de regresión es averiguar la forma en que varia el valor promedio de la variable
dependiente (o regresada) de acuerdo con el valor dado de la variable explicativa ( o regresora).

Importancia del término de perturbación estocástica

El termino perturbación V¡ es un sustituto de todas las variables que se omiten en el modelo, pero que
en conjunto afectan a la y por las siguientes razones.

1. Vogredad de la teoría
2. Falta de disponibilidad de datos
3. Variables centrales y variables periféricas
4. Aleatoriedad intrínseca en el comportamiento
5. Variables representables (proxy) inadecuadas
6. Principios de parsimonia
7. Forma funcional incorrecta

El método MCO es el más común en el análisis de regresión, sobre todo por ser más intuitiva y
matemáticamente más sencillo que el método de máxima verosimilitud. Además , los dos métodos
proporcionan resultados similares.

Capítulo 3
Modelo de regresión con dos variables: Problemas de estimación
Método de mínimo cuadrados ordinarios.
El método de mínimos cuadrados ordinarios se atribuye a Carl Friedrich Gauss, matemático alemán. Este
método presenta propiedades estadísticas muy atractivas que lo han convertido en uno de los mas
eficaces y populares del análisis de regresión.

Principios de los mínimos cuadrados

FRP de dos variables

Y¡ = B¡ , Be X¡ + V¡

Los estimadores de MCO se expresan únicamente en términos de las cantidades (es decir, X y Y)
observables (muestras). Por consiguiente, se calculan con facilidad.

Son estimadores puntuales: dada la muestra, cada estimador proporciona un solo valor el ,parámetro
poblacional pertinente.

Modelo clásico de regresión lineal: fundamentos del método de mínimos cuadrados

El modelo de Gauss, modelo clásico o estándar de regresión lineal (MCRL), es el crecimiento de la mayor
patrt6e de la economía econométrica y planea 7 supuestos.

Con base en estos supuestos, los estimadores de mínimos cuadrados adquieren ciertas propiedades
resumidas en el teorema de Gauss Márkov.

Capítulo 1: Wooldridge
Naturaleza de la economía y los datos económicos
Wooldridge define la econometría afirmada que esta se basa en el desarrolló de métodos estadísticos
que se utilizan para afirmar relaciones económicas, probar teorías económicas y evaluar e implementar
políticas publicas y de negocios, la aplicación más común de esta ciencia se da en el pronóstico de
variables macroeconómicas como las tasas de interés, inflación y el PIB.

La economía se ocupa en la recolección de datos y análisis de estos mismo económicos no

experimentales.

Datos no experimentales y observacionales

Datos sobre individuos o empresas demás que son obtenidos por medio de estudios o experimentos
controlados.

Datos experimentales
Suelen ser obtenidos en el laboratorio.

Análisis económico empírico

En un análisis empírico se utilizan datos para probar teorías o estimar relaciones, se construye un
modelo económico formal el cual consiste en ecuaciones matemáticas que derivan diversas relaciones. El
modelo económico es el punto de partida del análisis empírico, perlo es ,más común el empleo de
teorías económicas menos formules o simplemente la intuición.

Estructura de los datos económicos

Datos de corte transversal: una base de datos de corte transversal consiste en una muestra de
individuos, hogares, empresas, etc. Formado en algún punto dado en él tiempo. Estos datos a menudo
pueden suponerse que han sido obtenidas de la población subyacente mediante el muestreo aleatorio.

Datos de serie de tiempo

Consiste en las observaciones de una o varias variables a lo largo del tiempo. Debido a que los eventos
pasados puede influir sobre los eventos futuros, el tiempo es una dimensión importante en la base de
datos de series de tiempo. En estos datos el orden cronológico de las observaciones proporciona
información importante. Además, en la serie de tiempo es de importancia de la porosidad de los datos,
la frecuencia con que estos datos se recolectan (semanal, mensual, trimestral).

Combinación de cortes transversales

La combinación de estos residen en que se forman datos de corte transversal en distintos años y para
tomar un tamaño mayor de la muestra. Se puede combinar ambos años. Una combinación de corte
transversal se analiza de manera muy parecida a como se analizan los datos de corte transversal salvo
que suelen tomarse en cuenta las diferencias que presentan las variables con el tiempo.
Datos de panel o longitudinales
Un conjunto de datos de panel; consiste en una serie de tiempo, por cada unidad de una base de datos
de corte transversal. La caracteriza de los datos de panel es que durante un intervalo de tiempo se
congelan las mismas variables o dunidades de corte transversal.