ANÁLISIS DE REGRESIÓN CON DOS VARIABLES: ALGUNAS IDEAS BÁSICAS

CONCEPTO DE FUNCIÓN DE REGRESIÓN FRP ESTOCÁSTICA FUNCIÓN DE REGRESIÓN

POBLACIONAL (FRP) MUESTRAL (FRM)
Es una función que muestra la curva que conecta las Es la forma mas precisa posible de estimar
medias de la variable dependiente Y que la función de regresión poblacional.
corresponden a los datos de la variable independiente
X PERTURBACIÓN ESTOCÁSTICA

= = Incluye todas las variables omitidas por el

modelo pero que, en conjunto, afectan en Y
Variables centrales y Vagued
Coeficientes de regresión ó
= de intersección o pendiente
Periféricas
ibi lidad
ad de la
teoría
e di spon
d
Falta de Datos

 LINEALIDAD EN LAS VARIABLES TÉRMINO LINEAL LINEALIDAD EN LOS PARAMETROS

Es aquel en que la Esperanza condicional de Y está en Es cuando la variable Y esta en función de los parámetros es decir : (B) Puede ser o no lineal en X.
una función lineal de X.
No es una función lineal dado a que la X esta elevada al cuadrado.

=
 MODELO DE REGRESIÓN CON DOS VARIABLES: PROBLEMA DE ESTIMACIÓN
Es uno de los métodos más eficaces del
análisis de regresión. Parte de dos funciones
FRP y FRM Regresión muestral y poblacional
.
Función De Regresión Muestral
Función De Regresión Poblacional
ALGUNOS SUPUESTOS MCO
MINIMOS CADRADOS ORDINARIOS
1-El modelo de regresión lineal en los parámetros.
2-Valores fijos x, o valores independientes del
termino del error.
3-El valor medio de la perturbación ui es =o.
4-Homoscedasticidad o varianza constante de ui.
CARACTERISTICAS TEOREMA DE GAUSS-MARKOV
 Los estimadores de MCO se expresan en Teniendo en cuenta los supuestos, encontrando
términos de las cantidades (X y Y ) distribución muestra del estimador de MCO
observables ( muestras).
 Son estimadores puntuales: dada la
muestra, cada estimador proporciona un
solo valor del parámetro poblacional
pertinente.
 Una vez obtenidos los estimadores de
MCO, se obtiene sin problemas la línea de
regresión muestral a su vez se obtiene
tiene las siguientes propiedades: a. Pasa a
través de las medias muestrales de Y y X.
lo cual se evidencia en la ecuación
PRECISIÓN O ERRORES ESTÁNDAR DE
LAS ESTIMACIONES DE MÍNIMOS
CUADRADOS
La bondad del ajuste del modelo se mide con el
coeficiente de determinación r2, el cual indica que
proporción de la variable dependiente, es explica por la
variable explicativa r2 se sitúa entre 0 y 1.
ÞEntre más cerca este de 1 mejor será el ajuste