Documentos de Académico
Documentos de Profesional
Documentos de Cultura
(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
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.
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.
Series de tiempo
Series transversales
Información combinada
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).
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.
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.
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.
Datos experimentales
Suelen ser obtenidos en el laboratorio.