- +

Asociacin
positiva. Si
aumenta X
aumenta Y

Estadstica Econmica
2007-2008. Sara Mateo.
 GRFICOS DE DISPERSIN / RECTA DE REGRESIN
Para el clculo de la recta de regresin se aplica el mtodo de
mnimos cuadrados entre dos variables. Esta lnea es la que
hace mnima la suma de los cuadrados de los residuos, es
decir, es aquella recta en la que las diferencias elevadas al
cuadrado entre los valores calculados por la ecuacin de la
recta y los valores reales de la serie, son las menores posibles.

y = a + bx
 Recta de regresin Pendiente

yn
yn 1 y i
y3
u3 ui
yi
y1 yi
y2

Intercepto
x1 x2 x3 xi xn 1 xn

yi a bxi ui ui yi yi
Error
 y i

y i a bxi

n n

u ( yi yi )2
2
i i i i
u 2

i 1
( y
y
i 1
) 2

n 2 n n
2
ui ( yi yi ) yi aq bpxi
2
min
q, p i 1 i 1 i 1
 n n
i i i i
y
i 1
a bx 2
y a bx 2

i 1
El valor que hemos
Errores cometidos al
aproximar por una recta
aproximado para y con
la recta de regresin y*
na y b x
i
i
i
i
a y bx

x y y bx x b x
i
i i
i
i
i
2
i

x y
y
x bxnx b x
i

yi a bxi 0 y ab x
2
2 i i
i i
n
i i
a
i i i
i i i i

x y a x b x

b
2
i
yi a bxi xi 0
i
i i
i
i
i
2
i
i
xi yi ynx b

i
xi2 nx 2


S xy
S xy bS x2 b
S x2
y obtenemos que la recta de regresin de Y sobre X: y = a + bx con los
valores a y b anteriormente calculados, o bien la siguiente expresin:

S xy
y y x x
S x2
Aplicando el mismo razonamiento llegaramos a la expresin de la recta de
regresin de X sobre Y: x = a + by con los valores a y b calculados como:

S xy
b' y a ' x b ' y
S y2

Por tanto, se podra expresar como:

S xy
x x y y
Estadstica Econmica S y2
2007-2008. Sara Mateo.
 .

yi yi
2

VR = Su2 S R2y
N

2 Su2 VR
2 Sx
Sy S y2 VTy .

Su2
R 1 2 rxy R
SY
2
R
2
S xy S xy S xy
2
R bb' r 2
S x2 S y2 S x S y xy
:
 1 r 1 1 R 1 0 r 2 1 0 R2 1

: R r R2 r 2

S S S
: yi y XY2 x XY2 xi y XY2 xi x
SX SX SX

S XY S X SY S XY SY SY
yi y 2 i
x x y i
x x y r xi x
S X SY S X S X SY S X SX

r 1 1 r 0 r 0 0 r 1 r 1
 Estadsiticos de Bondad de ajuste

Se desea una medicin sobre la bondad de ajuste del modelo a los datos.
El coeficiente de determinacin R2 es el ms comn. Una manera de definir
R2 es decir la correlacin al cuadrado entre y y y$ .
De forma alternativa, se requiere explicar la varianza de la variable endgena,
y , i.e. Por la suma total de cuadrados , STC o TSS:

STC yt y
2

Se puede dividir la STC en dos partes: 1) la explicada por el modelo

(conocido como suma de cuadrados explicada, SEC) y la parte que no explica
el modelo (SRC).
 Definiendo R2

Esto es, STC = SEC + SRC

ty y 2

t
y y 2
t

u 2

t t t
La bondad de ajuste es:
SEC
R2
STC
Pero como STC = SEC + SRC, se puede escribir:

SEC STC SRC SRC

R2 1
STC STC STC
R2 siempre estar entre 0 y 1. Considere los dos extremos:
SRC = STC i.e. SEC= 0 as que R2 = SEC/STC = 0
SEC = STC i.e. SRC = 0 as que R2 = SEC/STC = 1
 Casos y el lmite: R2 = 0 y R2 = 1

yt
yt

xt xt
 Problemas con el R2 como medida de bondad de ajuste

Hay un nmero de problemas:

1. R2 est definido en trminos de la media de y as que el modelo est

reparamtrizado (reacomodado) y la variable dependiente siempre
cambiar, R2 cambiar.

2. R2 nunca cae si se aaden ms regresores:

Regresin1: yt = 1 + 2x2t + 3x3t + ut
Regresin 2: y = 1 + 2x2t + 3x3t + 4x4t + ut
R2 siempre ser ms alto en la regresin 2 relativa a la regresin1.

3. R2 es sospecho para series de tiempo mayores a 0.9 en modelos de series

de tiempo: puede existir problemas de endogenidad, simultaneidad o
operaciones de suma y resta.
 R2 Ajustado

Para tratar los poblemas previos, se utiliza el R2 ajustado. Se conoce como

o R2: ajustado.
R2
T 1
R 2 1 (1 R 2 )
T k
Si se aade un regresor extra, k se incrementa y al menos que R2 se
incremente en la misma proporcin, R 2 caer.

Siguen existiendo algunos problemas con este criterio:

1. Una regla suave.
2. No hay distribuciones para R 2 o R2.
 S XY
yi qa bpxi y 2 xi x
SX

Dado x0 estimar y0

S XY
0 aq bpx0 y 2
y x0 x
SX