Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Regresión Lineal:
Temas Adicionales
Pilar Alcalde
2 sem 2014
1. Bondad de Ajuste
• Problemas del R2
• Otros criterios de bondad de ajuste
2 n 1
R 1 (1 R 2 )
nk
SCR
BIC n ln k ln( n)
n
SCR
AIC n ln 2k
n
1. Bondad de Ajuste
• Limitaciones
(GP 2010)
3. Regresión por el Origen
4. Especificación
• Inclusión de Variables Irrelevantes
• Omisión de Variables Relevantes
• Logaritmo vs Niveles
– Variación porcentual
– Elasticidades
– Beneficios de usar logaritmo
5. Predicción
0
• ˆ
y E ( y | x ) vs. y
14000
5000
12000
4000
10000
6000
2000
4000
1000
2000
0 0
0 6 06 06 06 0 7 07 07 0 7 08 0 8 08 0 8 09 0 9 0 9 09 1 0 1 0 10 10 11 1 1 11 11 12 12 1 2 12 1 3 13 1 3 1 3
/20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20
2 5 8 1 1 5 8 0 1 4 7 0 1 4 7 0 1 4 7 0 1 4 7 0 1 4 7 0 1 4 7 0
1 /0 3/0 2/0 1/1 1/0 2/0 1/0 1/1 0/0 0/0 0/0 9/1 8/0 9/0 9/0 8/1 7/0 8/0 8/0 7/1 6/0 7/0 7/0 6/1 5/0 5/0 5/0 4/1 3/0 4/0 4/0 3/1
0 0 0 0 3 0 0 3 3 3 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
5. Predicción
Precio diario LAN e IPSA, 2006-2013, más anuncio e inicio fusión
16000 6000
14000
5000
12000
4000
10000
6000
2000
4000
1000
2000
0 0
6 6 6 6 7 7 7 7 8 8 8 8 9 9 9 9 0 0 0 0 1 1 1 1 2 2 2 2 3 3 3 3
2 00 2 00 2 00 2 00 20 0 2 00 2 00 2 00 2 00 2 00 2 00 2 00 2 00 200 2 00 2 00 2 01 2 01 2 01 2 01 2 01 2 01 201 2 01 201 2 01 2 01 201 201 2 01 201 2 01
2/ 5 / 8 / 1 / 1/ 5/ 8 / 0/ 1 / 4/ 7 / 0/ 1 / 4 / 7 / 0/ 1 / 4 / 7 / 0 / 1 / 4 / 7 / 0 / 1 / 4 / 7/ 0 / 1 / 4 / 7 / 0 /
1 /0 3/0 2/0 1/1 1/0 2/0 1/0 1/1 0/0 0/0 0/0 9/1 8/0 9/0 9/0 8/1 7/0 8/0 8/0 7/1 6/0 7/0 7/0 6/1 5/0 5/0 5/0 4/1 3/0 4/0 4/0 3/1
0 0 0 0 3 0 0 3 3 3 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
5. Predicción
Precio diario LAN e IPSA, 2006-2013, más predicción pre-anuncio
16000 6000
14000
5000
12000
4000
10000
p_lan
8000 3000 p_lan_hat_2
ipsa
6000
2000
4000
1000
2000
0 0
06 06 0 6 0 6 0 7 0 7 07 07 0 8 08 0 8 0 8 0 9 0 9 09 0 9 1 0 1 0 1 0 10 11 1 1 11 1 1 1 2 12 1 2 12 13 1 3 13 1 3
/20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20
2 5 8 1 1 5 8 0 1 4 7 0 1 4 7 0 1 4 7 0 1 4 7 0 1 4 7 0 1 4 7 0
1 /0 3/0 2/0 1/1 1/0 2/0 1/0 1/1 0/0 0/0 0/0 9/1 8/0 9/0 9/0 8/1 7/0 8/0 8/0 7/1 6/0 7/0 7/0 6/1 5/0 5/0 5/0 4/1 3/0 4/0 4/0 3/1
0 0 0 0 3 0 0 3 3 3 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
5. Predicción
Precio diario LAN e IPSA, 2010-2011, más predicción pre-anuncio
16000 6000
14000
5000
12000
4000
10000
p_lan
8000 3000 p_lan_hat_2
ipsa
6000
2000
4000
1000
2000
0 0
10 1 0 10 1 0 10 10 1 0 10 1 0 10 10 10 10 10 10 10 10 10 10 10 10 1 0 10 1 0 10 10 1 0 10 10 10 11 11 11
/20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20
2 2 2 3 3 3 4 4 4 5 5 6 6 6 7 7 7 8 8 9 9 9 0 0 0 1 1 1 2 2 1 1 1
1 /0 1/0 3/0 5/0 7/0 9/0 8/0 0/0 0/0 2/0 4/0 3/0 5/0 5/0 7/0 9/0 9/0 0/0 0/0 1/0 3/0 3/0 5/1 5/1 7/1 8/1 8/1 0/1 0/1 2/1 3/0 3/0 5/0
0 1 2 0 1 2 0 2 3 1 2 0 1 2 0 1 2 1 2 0 1 2 0 1 2 0 1 3 1 2 0 1 2
5. Predicción
Precio diario LAN e IPSA, 2006-2013, más predicción post-anuncio
16000 6000
14000
5000
12000
4000
10000
p_lan
8000 3000 p_lan_hat_3
ipsa
6000
2000
4000
1000
2000
0 0
06 06 06 06 07 0 7 07 0 7 07 0 8 08 08 08 0 9 09 0 9 0 9 09 1 0 10 1 0 1 0 11 1 1 11 1 1 12 1 2 12 1 2 12 1 3 1 3 13 13
/20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20
2 4 7 0 1 3 6 9 2 2 5 8 1 1 4 7 0 2 3 6 9 2 2 5 8 1 1 4 7 0 2 3 6 9 1
/0 /0 /0 /1 /0 /0 /0 /0 /1 /0 /0 /0 /1 /0 /0 /0 /1 /1 /0 /0 /0 /1 /0 /0 /0 /1 /0 /0 /0 /1 /1 /0 /0 /0 /1
01 2 6 1 9 11 0 3 28 2 0 12 0 5 27 2 1 13 0 5 28 22 15 07 3 0 24 1 6 08 01 23 18 1 0 02 2 5 18 1 1 03 26 20 12 04 2 7
6. Análisis del Modelo
• Test F de significancia global
• Coeficientes y desviación estándar
• Estadístico t y valor p
• Coeficiente de determinación: R2
• Elección entre modelos
• Análisis de residuos
• Evaluación de Supuestos
6. Análisis del Modelo
• Análisis de residuos:
– Residuos vs. variable independiente
– Residuos vs. variable dependiente predicha
– Histograma
– Correlaciones entre Variables
• Evaluación de Supuestos
– Test de Normalidad: Shapiro-Wilk
6. Análisis del Modelo
• Análisis de residuos:
4 2
Standardized residuals
0
-2
-4
-4 -2 0 2 4
Standardized residuals
kernel = epanechnikov, bandwidth = 0.1858
4. Regresión Lineal:
Temas Adicionales
Pilar Alcalde
2 sem 2014