Mtod os de a n lisis
Semana 8
Presentacin
os diferentes mtodos de anlisis que se pueden utilizar para evaluar y, en su defecto, emitir un diagnstico de una empresa cambian gradualmente dependiendo del grado de anlisis y de las variables que se integren a los modelos. En el caso de los mtodos estadsticos es importante enfatizar que al trabajar con valores muestrales se obtienen resultados que representan aproximaciones de la realidad, y no son valores exactos. Por otro lado, los modelos estadsticos son expresiones simblicas representadas en forma de igualdades a manera de diseo experimental, y con supuestos claramente especificados que permiten identificar las restricciones que existen entre las variables, en el caso concreto de la regresin nos indica los diferentes factores que modifican a la variable de respuesta.
Objetivos especficos
El alumno analizar los valores que integran un modelo de regresin lineal y analizar su aplicacin en el anlisis financiero. 73
Tema y subtemas
I. II Mtodos de anlisis
II.2
Modelos estadsticos
Los modelos de regresin son mtodos estadsticos que modelan la relacin entre una variable dependiente o endgena (Y), que es considerada nuestra variable en la investigacin, y una serie de variables independientes, explicativas o exgenas (Xi), que son elementos manipulables que permiten observar cmo incide sobre la expresin de la variable dependiente. Dentro de estos modelos se adiciona un trmino aleatorio (), que se asocia con el error que se ocasiona por no considerar en su totalidad todos los factores que pueden influir directamente en la variable dependiente de la regresin. Un modelo de regresin lineal bsico se ejemplifica mediante la siguiente ecuacin explcita en Y: Y = 0 + 1 X1 + 2 X2 + + n Xn +
Donde la 0 es la interseccin o trmino constante, es decir, corta al eje explicativo, mostrando el valor exacto de la variable explcita con un valor de Xi de cero. El anlisis de regresin es la forma de encontrar si dos o ms variables estn relacionadas entre s, considerando que vamos a obtener resultados estadsticos para Y, con especficos para X. 74 Por lo tanto, podemos decir que la variable dependiente es estocstica o aleatoria y la variable independiente es no estocstica.
Definicin del error o perturbacin
Ahora, qu pasara con el valor de Y, si X cambiara a 12.5 unidades. Suponiendo que el primer valor de X fuera de 10 unidades. Caso 1 Caso 2 Y = 297.2 73.25 (10) Y = -435.3 Y = 297.2 73.25 (22.5) Y = -1350.925
Se puede concluir que al incrementar X en 12.5, la variable dependiente disminuye, es decir, existe una relacin inversa entre ambas variables.
Anlisis de regresin lineal
El anlisis de regresin lineal es til para encontrar la ecuacin que mejor se ajusta a una dispersin de datos. Es importante resaltar que la dispersin se presenta porque existen ms factores que influyen en el modelo especificado y adems, hay que considerar que siempre existir dispersin ya que son rectas de regresin muestral y no poblacionales.
El resultado de la regresin no es matemticamente exacto o puntual debido a que son resultados estadsticos o aproximaciones a la realidad; donde la recta puede mostrarnos un valor y en la realidad pudo haber sido otro. Existe dentro del modelo de regresin el Error o Perturbacin () que lo podemos definir como la distancia que existe entre los datos de la regresin lineal y el dato observado en la realidad.
70.00 60.00 Costo de procesamiento 50.00 40.00 30.00 20.00 10.00 0.00 0 10 20 30 Series 1 Lineal (Series 1)
Nmero de empanadas
75
La grfica nos muestra un ejemplo de una recta de regresin muestral que explica mejor los datos, ajustndose a los que presentan menores diferencias o errores. La regresin en s misma, no define causalidad, es decir, no te dice quin es causa y quin efecto, por eso es importante desarrollar supuestos previos que sustenten el modelo de la regresin. Es de igual manera importante aclarar que no es lo mismo el trmino de correlacin y regresin, ya que el primero nos dice qu tan fuerte es la relacin entre las variables, y el segundo si existe alguna relacin entre ellas. Para poder obtener las ecuaciones de regresin se pueden emplear diversas metodologas: 1) Mnimos cuadrados ordinarios (mco); 2) Mxima Verosimilitud (mv); o bien, 3) Mtodo de los momentos. La metodologa ms empleada es la de Mnimos Cuadrados Ordinarios (mco), la cual consiste en encontrar las menores distancias entre la recta y los puntos.1 Explicado de otra forma, busca los menores errores o diferencias.
1
Regresin muestral
Los estimadores de mco estn expresados en trminos de las variables independientes y dependientes, siendo estimadores puntuales. Al final, los resultados obtenidos nos van a mostrar qu tanto los indicadores muestrales se parecen a la poblacional y, por otro lado, se debe especificar correctamente el modelo, con la finalidad de disminuir el sesgo de especificacin ocasionado por la causalidad.
Elementos que intervienen en el modelo de regresin
Para poder comprender todos los elementos que intervienen en la especificacin de un modelo de regresin y al mismo tiempo vislumbrar la utilidad de ste en el anlisis financiero de una empresa, supongamos la resolucin del siguiente caso. La empresa El Cisne presenta los siguientes datos histricos de gastos de publicidad y ventas.
El Cisne Gastos de Publicidad (Millones) 20 24 28 32 36 40 44 48 Ventas (Millones) 1 40,00 1 61 ,00 1 85,15 21 2,92 244,86 281 ,59 323,83 372,40 428,26
76
52
Lo que realmente quiere conocer la empresa es la relacin que existe entre ambas variables y, al mismo tiempo, encontrar el modelo que explica dicha relacin.
Herramientas para obtener los valores
Existen actualmente distintos paquetes informticos que permiten obtener estos valores como el Statistical Package for the Social Sciences (spss), el cual tiene la capacidad de trabajar con bases de datos grandes. Tambin se puede utilizar Excel para obtener dichos datos, los pasos a seguir son: Ingresar la tabla de informacin en una hoja de Excel nueva:
Posteriormente se debe habilitar el comando de Anlisis de datos, para esto se deben realizar los siguientes pasos: 1. Hacer clic en el botn de Microsoft Office y, a continuacin, hacer clic en Opciones de Excel. 2. Hacer clic en Complementos y, en el cuadro Administrar, seleccionar Complementos de Excel. 3. Hacer clic en Ir. 4. En el cuadro Complementos disponibles, activar la casilla de verificacin Herramientas para anlisis y, a continuacin, hacer clic en Aceptar. Una vez habilitado el comando, dar clic sobre la opcin de regresin:
77
Se habilitar la pantalla para que se especifiquen los valores de la variable explicativa, que en este caso son los Gastos de Publicidad y de la variable dependiente, que seran las Ventas. De igual forma, se tienen que habilitar todas las casillas que se planean analizar. En este caso son: rtulos, nivel de confianza, residuos y curva de regresin ajustada.
78 Una vez realizado este paso, se anexarn las tablas con la informacin que se especific en la funcin de regresin.
Con base en esta informacin se podr construir la ecuacin de regresin para este modelo:
Coeficientes Intercepcin 20 -83,0008375 9,4540282
Y = 0 + 1 X1 Y = -83,0008375 + 9,4540282 X La relacin entre ambas variables es directa, por lo tanto, si los Gastos de Publicidad aumentan en una unidad, las ventas aumentarn en 9,4540282. Una vez que se cuenta con la ecuacin de la regresin, se pueden realizar estimaciones suponiendo diversos escenarios, por ejemplo, qu pasara si la empresa decidiera gastar en publicidad el prximo ao 65 (millones): Y = -83,0008375 + 9,4540282 (65) Y = 531,5109955 La empresa estara esperando obtener por el gasto en publicidad unas ventas de 531,5109955. Un dato relevante de analizar es el R2, que es el coeficiente de determinacin, el cual nos indica el porcentaje de variacin de la dependiente que es explicado por la independiente. En este caso el 98,10% de variacin de las ventas son explicados por las variaciones de los Gastos de Publicidad, para el modelo especificado. Se puede sugerir que siempre que R2 sea igual o mayor a 0,8 es aceptable.
Estadsticas de la regresin Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado 0,99047643 0,981 04356 0,97788415
79
Reactivos de autoevaluacin
Instrucciones: Selecciona la respuesta correcta. Suponga que una recta est dada por: Y = 24.9 X 13.7 1. Si X cambiara 9 unidades, qu valor tomara Y, asumiendo que el primer valor de X fuera 10 unidades? a. Y1 = 235.3 y Y2 = 459.4 b. Y1 = 210.4 y Y2 = 235.3 c. Y1 = 235.3 y Y2 = 210.4 2. Indique cmo es la relacin entre ambas variables: a. Si X aumenta en 9 unidades Y se mantiene con el mismo valor, por lo tanto la relacin es directa. b. Si X aumenta en 9 unidades Y incrementa de igual forma, por lo tanto la relacin es inversa. c. Si X aumenta en 9 unidades Y incrementa de igual forma, por lo tanto la relacin es directa. Instrucciones: Selecciona la respuesta correcta. Suponga que se le proporcionan los siguientes datos histricos de una empresa: 80
X 1 1 1 3 1 2 1 4 1 7 15 1 6 1 4 1 7 1 8 1 9 1 8 Y 7.5 6.9 7.1 6.2 5.4 5.8 5.5 5.8 5.2 4.7 4.3 4.4
La empresa est interesada en conocer los siguientes elementos: 1. La estimacin del valor de la pendiente de la ecuacin de regresin. a. -0.31999797 b. -0.39250871 c. 0.23154700
2. La estimacin del valor del intercepto. a. 0.971276253 b. 0.50893012 c. 11.7458188 3. Obtener la ecuacin de regresin a. Y = 971276253 -0.31999797X b. Y = 11,7458188 0,39250871X c. Y = 0.50893012 0.23154700X 4. Qu tipo de relacin hay entre las variables? a. La relacin entre ambas variables es inversa. b. La relacin entre ambas variables es directa. c. No existe relacin entre las variables. 5. Cul es el valor del coeficiente de determinacin? Y si es aceptable o no. a. R2 = 0.94337756. Por lo tanto, el 94,33% de variacin de Y es explicado por las variaciones de X, siendo mayor a 0,8 es aceptable. b. R2 = 0.97127625. Por lo tanto, el 97,12% de variacin de Y es explicado por las variaciones de X. Siendo mayor a 0,8 es aceptable c. R2 = 0.93708617. Por lo tanto, el 93,70% de variacin de Y es explicado por las variaciones de X. Siendo mayor a 0,8 es aceptable
81
Instrucciones: Escribe en la lnea la letra correspondiente, F para falso y V para verdadero. 1. Los modelos de regresin modelan la relacin entre una variable dependiente y otra independiente. _____
2. Una variable dependiente presenta siempre valores aleatorios, ya que stos dependen de los valores de otra variable. _____ 3. El modelo de regresin define causalidad, por lo tanto nos da una referencia de causa y efecto. 4. La metodologa ms empleada en el mtodo de regresin es la de mxima verosimilitud. 5. Uno de los resultados que obtenemos con el mtodo de regresin lineal es precisamente la distancia que hay entre el punto ms alto de la recta a la media. _____ _____ _____
Fuentes de informacin
Exeberra, J. (1999). Regresin mltiple. Madrid: La Muralla. Gujarati, D. (2003). Econometra. Mxico: McGraw-Hill.
82