Regresión Lineal

CONCEPTO DE REGRESIÓN LINEAL SIMPLE

La regresión lineal simple, es una herramienta muy importante para la econometría, que estudia la dependencia existente entre una variable dependiente y una o más variables explicativas.

El inventor de dicha teoría fue Francis Galton, junto con la del concepto de correlación

El modelo de regresión lineal simple, busca encontrar la recta de regresión que relacione dos variables (X e Y) de forma que  Y = β0 + β1• X + error

Un ejemplo de dicha regresión lineal, es la renta, ya que no podemos saber el nivel de renta en un futuro, pero si podemos saber si el promedio de la renta aumentará o disminuirá determinando con cierta exactitud la cantidad.

ANÁLISIS DE REGRESIÓN

El análisis de regresión lo que se pretende es predecir o estimar el valor promedio de la variable explicada en base a unos valores fijos de las variables explicativas. En el análisis de regresión, las variables explicativas son fijas y la variable explicada es estocástica.

HIPÓTESIS DEL MODELO

• La variable Y se relaciona linealmente con la variable X.

• La variable Y es cuantitativa y aleatoria.

• Los errores son independientes entre si.

CORRELACIÓN

La correlación es el grado de dependencia mutua entre las variables, y mide la intensidad de su relación.

En otras palabras, el análisis de correlación trata de averiguar el grado o fuerza de influencia que tienen las variables explicativas (una o más) en la variable dependiente o explicada.

El coeficiente de correlación es llamado “r”, y su fórmula es:

r = Sxy / Sx • Sy  cuyo valor siempre será 1 o -1

INTERPRETACIÓN DEL COEFICIENTE DE CORRELACIÓN

Si r = 0  La correlación lineal es nula

Si r = 1  La correlación es lineal y perfecta positiva (recta creciente)

Si r = -1  La correlación es lineal y perfecta negativa (recta decreciente)

Si -1 < r < 0  Correlación lineal negativa (recta decreciente)

Si 0 < r < 1  Correlación lineal positiva (recta creciente)

FUNCIÓN DE REGRESIÓN LINEAL POBLACIONAL

La función de regresión lineal poblacional (FRP), nos permite saber el valor esperado de “Y” a cada valor de “Xi”, sabiendo que “Y” es la variable explicada y “Xi” la explicativa que nos dice que :

E(Y/x) = β0 + β1 X

...