Universidad de Santiago de Chile Departamento de Ingeniera Industrial Mtodos Cuantitativos

Clase 1 Anlisis Multivariante

Profesor: Mail:

Juan Gutierrez Teutsch juan.gutierrez.t@usach.cl

11

Objetivos

El objetivo del curso es ensear a los alumnos la teora y aplicaciones de los principales Mtodos Multivariantes que pueden requerir utilizar en labor de investigacin en diferentes contextos, o en el
desempeo profesional.

Anlisis Multivariante
El anlisis multivariante puede definirse como un conjunto de metodologas diseadas con el fin de examinar e interpretar la informacin contenida en un conjunto de variables en forma cuantitativa, para la toma de decisiones con un enfoque analtico.

Fundamentos
Clasificacin de datos multivariantes La base del anlisis multivariante es la matriz Variables de datos:
Objetos o individuos 1 2 . . . i . . . m 1 X11 X21 . . . Xi1 . . . Xm1 2 X12 X22 . . . Xi2 . . . Xm2 . . . . . . . . . j X1j X2j . . . Xij . . . Xmj . . . . . . . . . n X1n X2n . . . Xin . . . Xmn

. . .

. . .

. . .

. . .

Fundamentos
Este arreglo consta de los elementos de la matriz, los cuales representan el valor de la variable j en el objeto i.

Tipos de variables
En general los modelos multivariantes utilizan 2 tipos de variables:
Variables Continuas. Variables Binarias.

Fundamentos
Tipos de datos
Los datos de la matriz pueden estar expresados en escalas de tipo: Datos en escalas nominales. Datos en escalas ordinales. Datos en escalas de intervalos. Datos medidos en escalas de razones.
6

Modelos Economtricos

La econometra consiste en la aplicacin de la Estadstica Matemtica a los datos econmicos con el objeto de proporcionar un apoyo emprico a los Modelos Econmicos y de esta forma obtener resultados numricos.

Modelos Economtricos
La econometra tradicional utiliza la siguiente metodologa: Planteamiento de la teora o de la hiptesis. Especificacin del Modelo Economtrico de la teora. Obtencin de datos. Estimacin de los parmetros del Modelo. Pruebas o test del Modelo. Pronstico o prediccin. Utilizacin del Modelo.

Estructura de datos econmicos

La informacin econmica suele presentarse en diversas formas. Las estructuras de datos ms importantes que aparecen en el trabajo aplicado son:

Datos de corte transversal. Datos de series de tiempo o series temporales. Datos de panel.
9

Modelo de Regresin Lineal Mltiple

Constituye la base de la econometra y se puede expresar en las siguientes formas: Forma Escalar: = 0 + 1 1 + 2 2 +. . . + + Forma Matricial: = +
10

Modelo de Regresin Lineal Mltiple

En el estudio de este modelo interesa contestar principalmente las siguientes preguntas:
1. Es posible encontrar una C.L. que exprese en una formula compacta la relacin existente entre una variable explicada o criterio, y un conjunto de predictores? 2. Si (1) es factible, cun bien se puede predecir los valores de la variable explicada mediante una C.L. de predictores? 3. Es estadsticamente significativa la relacin encontrada? 4. Qu predictores son ms importantes para explicar las 11 variaciones de la variable explicada?

Hiptesis bsicas del Modelo de Regresin Lineal Mltiple

El conjunto bsico de hiptesis ms relevantes es: 1.(1) = + + +. . . + +

Donde:

: Vector de observaciones de variable explicada.

0 : Vector de unos. : Vectores que representan observaciones de variables explicativas. : Parmetros poblaciones del modelo desconocido. : Vector de perturbaciones.

12

Hiptesis bsicas del Modelo de Regresin Lineal Mltiple

La ecuacin (1) se expresa matricialmente como: (2) = en que:

1 = ; = 0

1 = ;

1 =

El problema central en este modelo es obtener una estimacin del vector que es desconocido
13

Hiptesis bsicas del Modelo de Regresin Lineal Mltiple

2. = =

sta hiptesis establece: que la sumatoria de las diferencias positivas y negativas de los valores observados de Y con respecto al valor esperado se compensan, siendo su media igual a cero. 1 = 0 = 0
14

Hiptesis bsicas del Modelo de Regresin Lineal Mltiple

3. =

Considerando que = 0, entonces es una matriz de Varianza-Covarianza, constituyendo una hiptesis doble: Hip. de Homoscedasticidad: 2 = 2 Expresa que todas las perturbaciones tienen igual varianza. Hip. de No Autocorrelacin: = 0
Expresa que las perturbaciones no estn correlacionadas.

15

Hiptesis bsicas del Modelo de Regresin Lineal Mltiple

4.- () = Esta hiptesis dice que las variables explicativas no constituyen un conjunto linealmente dependiente. 5.- X es una Matriz No Estocstica Esto significa que en el muestreo la nica fuente de variacin de proviene de . 6.El vector sigue una Distribucin Normal Multivariante.
16

Estimacin de en modelo de regresin por M.C.O.

= + Denominaremos a los estimadores: - por - por

El vector de errores se obtiene como:

=
17

Estimacin de en modelo de regresin por M.C.O.

El mtodo de los M.C.O. establece que para encontrar es preciso minimizar la suma de desviaciones al cuadrado, que es formato escalar y matricial se expresan como:
(1) Escalar:
( )2 = 1 1 (

)2

(2) Matricial: = ( )( )

18

Estimacin de en modelo de regresin por M.C.O.

Minimizando (2) con respecto a , se llega a dos formas alternativas para calcular : (3) Ecuaciones Normales: =
(4) Vector por parmetros: = Que son equivalentes.
1

19