METODOS ECONOMETRICOS

PRACTICA N 01
PEREZ, Jimmy
ANALISIS DE REGRESION
Concepto:
En estadstica, el anlisis de regresin es un proceso estadstico para la estimacin de relaciones entre
variables. En todos los casos, el objetivo es la estimacin de una funcin de las variables independientes
llamada la funcin de regresin. En el anlisis de regresin, tambin es de inters para caracterizar la
variacin de la variable dependiente en torno a la funcin de regresin que puede ser descrito por una
distribucin de probabilidad.
Objetivo
El anlisis de regresin tiene por objetivo estimar el valor promedio de una variable, variable dependiente,
con base en los valores de una o ms variables adicionales, variables explicativas. En este tipo de
anlisis, la variable dependiente es estocstica mientras que las variables explicativas son no
estocsticas en su mayor parte. El anlisis de regresin ha cobrado popularidad debido al gran nmero
de paquetes estadsticos que lo incluyen y por ser un proceso robusto que se adapta a un sinfn de
aplicaciones cientficas y ejecutivas que permite la toma de decisiones. En este trabajo, el mejor ajuste
de los modelos estar determinado por el anlisis de regresin lineal.
Caractersticas
II. Modelo Temtico

Regresin lineal
- Regresin lineal simple
Dadas dos variables (Y: variable dependiente; X: independiente) se trata de encontrar una
funcin simple (lineal) de X que nos permita aproximar Y mediante: = a + bX

- Regresin lineal mltiple

Regresin no lineal
Artculo principal: Regresin no lineal

Regresin segmentada

2.1. Ingreso de Datos

El producto para analizar en este trabajo es de la uva verde, tanto la es producida en el Per como
tambin en el pas de chile.
Los datos escogidos para el trabajo propuesto se recolectaron de los diferentes precios encontrados en
los distintos lugares donde uno puedo encontrar el producto a analizar.
Los lugares fueron: Mercado Grau, Mercado Central, 2 de mayo y Polvos Rosados.

2.2. Excel
D(y)

P(x)

5
9
11
12
15

3.50
3.00
2.80
2.70
2.50

2.3 Statgraphics
Statgraphics es un paquete estadstico que realiza y explica bsicos y avanzados de estadstica
funciones.
2.4 Procedimiento
III. Aplicacin
Regresin Simple Demanda vs Precio
(El resultado Comentarios).
Regresin Simple - Demanda vs. Precio
Variable dependiente: Demanda
Variable independiente: Precio
Lineal: Y = a + b*X
Coeficientes
Mnimos Cuadrados
Parmetro Estimado
Intercepto 38.4
Pendiente -9.65517
Anlisis de Varianza
Fuente
Suma
Cuadrados
Modelo
54.069
Residuo
1.13103
Total (Corr.) 55.2

Estndar
Error
2.35416
0.806238
de Gl
1
3
4

Estadstico
T
Valor-P
16.3116
0.0005
-11.9756
0.0013

Cuadrado Medio Razn-F Valor-P

54.069
0.377011

Coeficiente de Correlacin = -0.989702

R-cuadrada = 97.951 porciento
R-cuadrado (ajustado para g.l.) = 97.268 porciento
Error estndar del est. = 0.614013
Error absoluto medio = 0.452414
Estadstico Durbin-Watson = 1.62111 (P=0.0883)
Autocorrelacin de residuos en retraso 1 = -0.119596

143.41

0.0013

El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relacin entre Demanda y
Precio. La ecuacin del modelo ajustado es
Demanda = 38.4 - 9.65517*Precio
Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relacin estadsticamente
significativa entre Demanda y Precio con un nivel de confianza del 95.0%.
El estadstico R-Cuadrada indica que el modelo ajustado explica 97.951% de la variabilidad en Demanda.
El coeficiente de correlacin es igual a -0.989702, indicando una relacin relativamente fuerte entre las
variables. El error estndar del estimado indica que la desviacin estndar de los residuos es 0.614013.
Este valor puede usarse para construir lmites de prediccin para nuevas observaciones, seleccionando la
opcin de Pronsticos del men de texto.
El error absoluto medio (MAE) de 0.452414 es el valor promedio de los residuos. El estadstico de
Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlacin significativa basada
en el orden en el que se presentan en el archivo de datos. Puesto que el valor-P es mayor que 0.05, no
hay indicacin de una autocorrelacin serial en los residuos con un nivel de confianza del 95.0%.

Grfico del Modelo Ajustado

Demanda = 38.4 - 9.65517*Precio
15

Demanda

13
11
9
7
5
2.5

2.7

2.9

3.1
Precio

3.3

3.5

Residuos Atpicos
Predicciones
Residuos
Fila X
Y
Y
Residuos Studentizados
1
3.5 5.0 4.6069
0.393103 2.53
5
2.5 15.0 14.2621
0.737931 4.75
El StatAdvisor
La tabla de residuos atpicos enlista todas las observaciones que tienen residuos Estudentizados mayores
a 2, en valor absoluto. Los residuos Estudentizados miden cuntas desviaciones estndar se desva
cada valor observado de Demanda del modelo ajustado, utilizando todos los datos excepto esa
observacin. En este caso, hay 2 residuos Estudentizados mayores que 2, pero ninguno mayor que 3.
Es conveniente examinar detenidamente las observaciones con residuos mayores a 3 para determinar si
son valores aberrantes que debieran ser eliminados del modelo y tratados por separado.

Grfico de Residuos
Demanda = 38.4 - 9.65517*Precio

Rediduo Estudentizado

5
3
1
-1
-3
-5
2.5

2.7

2.9

3.1
Precio

3.3

3.5