Regresión poblacional

TRABAJO GRUPAL

1. ¿Cuál es la función de esperanza condicional o función de regresión poblacional?

Se cuenta cómo la media o promedio de respuesta de las subpoblaciones de Y varía con los valores fijos de la variable explicativa (s).

2. ¿Cuál es la diferencia entre la función de regresión poblacional y la función de regresión maestral? ¿se trata de distintos nombres para la misma función?

La distinción entre la función de regresión de la muestra y la función de regresión poblacional es importante, porque el primero se es un estimador de este último; en la mayoría de las situaciones que tenemos una muestra de observaciones de una población determinada y tratamos de aprender algo acerca de la población de la muestra Geven.

3. ¿Qué papel desempeña el término de error estocástico ui en el análisis de regresión? ¿cuál es la diferencia entre el término de error estocástico y el residual Ûi?

Un modelo de regresión no puede ser jamás completamente descripción exacta de la realidad. Por ende, no está obligado a ser una cierta diferencia entre los valores reales de la regresión y sus valores estimados a partir del modelo elegido.

4. ¿Por qué es necesario el análisis de regresión? ¿por qué no tan solo utilizar el valor medio de la variable regresada como su mejor valor?

Sin ninguna duda podemos utilizar el valor medio, la desviación estándar y otras medidas de resumen para describir el comportamiento de la de la regresión, a menudo estamos interesados en saber si hay fuerzas causales que afectan a la regresión. Siendo así, vamos a ser capaces de prever mejor el valor medio de la regresión. Además, los modelos econométricos se desarrollan siempre para probar una o más teorías económicas.

5. ¿Qué se quiere dar a entender con modelo de regresión lineal?

Un modelo que es lineal en los parámetros; puede ser o no lineal en las variables.

6. Determine si los siguientes modelos son lineales en los parámetros, en las variables o en ambos. ¿cuáles de estos modelos son de regresión lineal?

MODELO

TITULO DESCRIPTIVO

a)

Reciproco

b)

Semilogaritmico

c)

Semilogaritmico inverso

d)

Logarítmico o doble logarítmico

e)

Logarítmico reciproco

Modelos (a), (b), (c) y (e) son lineales (en los parámetros) modelos de regresión. Si dejamos , entonces el modelo (b) es también lineal.

7. ¿Son modelos de regresión lineal los siguientes? ¿por qué?

a)

b)

c)

d)

e)

(a) Tomando el logaritmo natural, nos encontramos con que ++ lo que se convierte en un modelo de regresión lineal.

(b) La siguiente transformación, conocida como la transformación lógica, hace que este modelo un modelo de regresión lineal:

++

(c) un modelo de regresión lineal

(d) Un modelo de regresión no lineal

(e) Un modelo de regresión no lineal, como es elevado a la tercera potencia.

8. ¿Qué se entiende por un modelo de regresión intrínsecamente lineal? Si en el ejercicio 7 (d) valiera 0.8, ¿sería un modelo de regresión lineal o no lineal?

Un modelo que puede hacerse lineal en los parámetros se denomina un modelo de regresión lineal intrínsecamente, como modelo (a) anterior. Si es 0,8 en el modelo (d) de la pregunta 2.7, se convierte en un modelo de regresión lineal, como se puede calcular fácilmente.

9. Considere los siguientes modelos no estocásticos ( es decir, modelos sin el termino de error estocástico).¿son lineales estos modelos de regresión? De no serlo, ¿sería

...