Pruebas de hipótesis para la regresión múltiple

Instrucciones evidencia 3

1. Explicar tema 10.1 variación explicada y no explicada (5 pts)

Pruebas de hipótesis para la regresión múltiple

La comprobación de hipótesis en la regresión lineal múltiple es muy similar a la regresión simple, parte de la obtención de errores y la revisión de la significancia de la regresión. Es un hecho que cualquier observación se compone de dos partes, el ajuste y el residual, los cuales sumados se convierten en la observación real.

La variación total responde a dos elementos: la variación explicada por las variables utilizadas y la variación no explicada que genera error.

2.

Error estándar de estimación

es la desviación estándar de los residuales y refleja en qué medida difieren los valores reales de las estimaciones.

El propósito de usar dos o más variables explicativas es que cuentes con el mayor número de elementos que te permitan minimizar el error de estimación y logres información que por su veracidad te resulte útil en la toma de decisiones.

Multicolinealidad

La relación entre dos variables aparentemente independientes se conoce como multicolinealidad y se mide a través del factor de inflación de la varianza, donde el coeficiente de determinación será la relación entre las dos variables independientes

3. Tema 12.3 y 12.4 realizar un resumen (10 pts)

Tema 12.3 Evaluación de los índices de variación estacional

La variación estacional es repetitiva, marca patrones que determinan los resultados, de hechos en el entorno de todo negocio los cuales influyen en el desempeño de la organización.

La estacionalidad es un valor indirecto, estimado a través de valores anteriormente calculados y representado, generalmente, por un número índice que muestra la proporción del resultado ligado a los patrones repetitivos de cada periodo.

Para conocer la estacionalidad:

1.- calcular la tendencia y eliminarla.

2.- hacer una comparación del número de índice con el valor esperado para el periodo.

Cuando tienes varios indices estacionales para un mismo periodo, se estandariza el componente estacional haciendo el uso de la mediana.

Periodos anuales

Multiplicador=-----------------------------------

Total de medianas.

12.4 Desestacionalizacion de una seria de tiempo

Desestacionalizar es eliminar el efecto que produce en índice estacional sobre la seria de tiempo. De manera que solo se aprecie el patrón gen eral de respuesta en la seria, sin fluctuaciones repetitivas que alteren el resultado y conduzcan a conclusiones erróneas.

Metodo aditivo Yt- St= Tt+ It

Metodo multiplicative Yt = Tt* It

sT

4. De la tabla de la parte 2 sacar tres ecuaciones sin resolver como el ejercicio que hicimos en clase (30pts)

5. Obtener ecuación de regresión múltiple en QM (5pts)

6. Obtener coeficiente de determinación, error estándar de la estimación, coeficiente de determinación ajustado y explicar que es cada uno (30pts)

Instrucciones:

Parte I. Teoría

Investiga en fuentes confiables de información lo siguiente:

1. Regresión lineal múltiple:

a. ¿Qué es?

es aquel que necesita del uso de más de una variable para poder predecirlo. Es decir, es una ecuación que involucra dos o más variables independientes que influyen simultáneamente sobre una misma variable dependiente.

b. ¿Qué es el coeficiente de determinación y el coeficiente de correlación?

c. Determinación: Básicamente el coeficiente de correlación es una medida que indica que tan asociadas están las variables dependiente e independiente en un modelo de regresión lineal, o de manera similar explica, junto con el coeficiente de de determinación( que es el cuadrado del coeficiente de correlación) que tanto depende realmente Y de X,

La correlación de las variables independientes X y la variable dependiente Y está determinada por los coeficientes de regresión parciales, los cuales también miden el cambio en Y debido a las variaciones en X1, X2,X3... Xk.

Dicho en otras palabras, el coeficiente de regresión parcial o neto te mostrará los cambios en Y por cada cambio en Xj, cuando las demás variables permanecen constantes.

d. ¿Cuáles son las desventajas de la multicolinealidad?

e. existir multicolinealidad entre las variables explicativas o independientes. La multicolinealidad originalmente implicaba la existencia de una relación lineal "perfecta o exacta" entre algunas o la totalidad de las variables independientes de un modelo de regresión. En la actualidad el término multicolinealidad se utiliza en un sentido más amplio para incluir el caso de multicolinealidad perfecta, así como también

...