You are on page 1of 28

MODELO CLSICO DE

REGRESIN LINEAL

Ilustracin del Mtodo de Mnimos Cuadrados


Ordinarios (MCO) con dos variables
El mtodo de mnimos cuadrados ordinarios

Interpretacin moderna de la
regresin
En trminos generales se afirma que:
El anlisis de regresin trata del estudio de la
dependencia de una variable (variable dependiente o
explicada) respecto de una o ms variables (variables
independientes o explicativas) con el objetivo de estimar o
predecir la media o valor promedio poblacional de la
primera en trminos de los valores conocidos o fijos (en
muestras repetidas) de las segundas.

FUNCIN DE REGRESIN
POBLACIONAL

FUNCIN DE REGRESIN
MUESTRAL

MODELO DE REGRESIN LINEAL MLTIPLE

El anlisis de regresin mltiple, ms general,


en el que la regresada se relaciona con ms de una
regresora, es, en muchos sentidos, una
extensin lgica del caso de dos variables.

Ejemplo Hipottico: Consumo e ingreso de una


poblacin de 60 familias

Ejemplo Hipottico: Consumo e ingreso de una


poblacin de 60 familias

Tenemos 10 diferentes niveles de ingreso.


Tenemos 10 subpoblaciones.
Hay 10 valores medios para las 10 subpoblaciones de Y.
A estos valores medios se les llama VALORES ESPERADOS
CONDICIONALES, en virtud de que dependen de los

valores
de la variable (condicional) X.
EL VALOR ESPERADO INCONDICIONAL DEL CONSUMO
SEMANAL:

Muestra 1
CONSUMO

Muestra 2

INGRESO

CONSUMO

INGRESO

70

80

55

80

65

100

88

100

90

120

90

120

95

140

80

140

110

160

118

160

115

180

120

180

120

200

145

200

140

220

135

220

155

240

145

240

150

260

175

260

Estimando la Funcin de Regresin Muestral

Superioridad del criterio de mnimos


cuadrados sobre mnimos simples

Importancia del trmino de


perturbacin estocstica
El trmino de perturbacin i es un sustituto de todas las variables que
se omiten en el modelo, pero que en conjunto, afectan a Y.
Porqu no se crea un modelo de regresin mltiple con tantas
variables como sea posible?
1.
2.
3.
4.

5.
6.
7.

VAGUEDAD DE LA TEORA
FALTA DE DISPONIBILIDAD DE DATOS
VARIABLES CENTRALES Y PERIFRICAS
ALEATORIEDAD INTRNSECA EN EL COMPORTAMIENTO
HUMANO
VARIABLES PROXY INADECUADAS
PRINCIPIO DE PARSIMONIA
FORMA FUNCIONAL INCORRECTA

El mtodo de mnimos cuadrados ordinarios


con tres variables

Enfoque matricial en el Modelo Clsico


de Regresin Lineal

Precisin o errores estndar de los


estimadores de Mnimos Cuadrados
Dado que los datos cambian entre una muestra y otra,
los valores estimados cambiarn ipso facto. Por
consiguiente, se requiere alguna medida de
confiabilidad o precisin de los estimadores
En estadstica, la precisin de un valor estimado se
mide por su error estndar (ee).

FUNDAMENTOS DEL MTODO DE


MNIMOS CUADRADOS ORDINARIOS

SUPUESTO 1.1: Los parmetros son constantes durante el perodo de


estimacin y fuera de dicho periodo.

Propiedades de los estimadores de Mnimos


Cuadrados y Teorema de Gauss-Markov
1. AUSENCIA DE SESGO:

SESGO = E(

2. EFICIENCIA

3.CONSISTENCIA : es un estimador consistente de si el


lmite de probabilidad de es .

N muy grande

N grande
N pequea

Coeficiente de determinacin r2: una medida


de la bondad del ajuste
El coeficiente de determinacin r2 (caso de dos variables) o R2 (regresin
mltiple) es una medida que nos dice qu tan bien se ajusta la lnea de
regresin muestral a los datos.