Академический Документы
Профессиональный Документы
Культура Документы
Ejemplo
Una empresa se dedica a la produccin y comercializacin de textiles.
De acuerdo con los resultados histricos, las condiciones favorables de
la economa han permitido un buen desempeo de las ventas. Sin
embargo, el Gerente de Ventas de la compaa conoce que ese
incremento no solo se debe a la situacin econmica, sino tambin al
esfuerzo realizado por el rea de marketing, en cuanto a la promocin
del producto en diversos medios de comunicacin.
Y= Ventas (miles de soles)
X1=Inversin en Radio (miles de soles)
X2=Inversin en TV (miles de soles)
X3=Inversin en diarios (miles de soles)
1. Anlisis de residuos
2. Independencia
Cov( i, j | Xi, Xj ) 0
Cov( i, j ) 0
2. Independencia
Hiptesis
H 0 : 12 22 k2
H1 : al menos una varianza difiere
Test
Estadstico Distribucin bajo Ho
F de Fisher
con (k-1, n-k)
gl
3. Homocedasticidad
- Dependent: Variable dependiente de la ecuacin de regresin
3. Homocedasticidad
3. Homocedasticidad
El grfico no muestra
relaciones de ningn tipo
entre los residuos y los
valores predichos.
Cuando un diagrama de
dispersin delata la
presencia de varianzas
heterogneas, puede
utilizarse una transformacin
de la variable dependiente
para resolver el problema
(transformacin logartmica
o raz cuadrada).
4. Normalidad
El modelo clsico de regresin lineal normal supone que cada ui est
normalmente distribuida con:
Media
E ( i ) 0
Varianza
E ( i E ( i ))2
Covarianza
i j
i N (0, 2 )
4. Normalidad
4. Normalidad
4. Normalidad
5. Multicolinealidad
Cov( Xi, Xj ) 0
Uno de los supuestos bsicos del modelo lineal general
y X
establece que las variables explicativas son linealmente independientes,
es decir:
1 X 1 2 X 2 ... k X k 0
5. Multicolinealidad
Deteccin de multicolinealidad
El factor incremento de varianza se define como el cociente de la varianza de la
estimacin de una pendiente en regresin mltiple y la varianza de la misma
pendiente en regresin simple.
V ( i )
1
FIVi
V (bi ) 1 Ri2
5. Multicolinealidad
Deteccin de multicolinealidad
La medida ms satisfactoria de multicolinealidad se basa en los autovalores de la
matriz XX. Recordemos que una matriz simtrica y definida positiva puede
escribir como:
X X CC
1
X X CC C C 1 * 2 * ... * k
Por lo tanto, podemos pensar que existe multicolinealidad alta cuando alguno de
los autovalores sea pequeo. Para no tener en cuenta la magnitud, se analiza el
cociente de los autovalores que es adimensional. Esto se define como ndice de
condicin.
max
min
5. Colinealidad
Existe colinealidad perfecta cuando una de las variables independientes se
relaciona de forma perfectamente lineal con una o ms del resto de variables
independientes de la ecuacin.
El nivel de tolerancia de una variable se obtiene restando a 1 el coeficiente de
determinacin R2 que resulta al regresar esa variable sobre el resto de
variables independientes.
Valores de tolerancia muy pequeos indican que esa variable puede ser
explicada por una combinacin lineal del resto de variables, lo cual significa
que existe colinealidad.
Los factores de inflacin de la varianza (FIV), son los inversos de los valores de
tolerancia. Cuanto mayor es el FIV de una variable, mayor es la varianza del
correspondiente coeficiente de regresin.
5. Colinealidad
5. Colinealidad
5. Colinealidad
Los ndices de condicin son las raz cuadrada del cociente entre el autovalor ms
grande y cada uno del resto de autovalores. En condiciones de no-colinealidad,
estos ndices no deben superar el valor de 15. ndices mayores que 15 indican un
posible problema y mayores que 30 un serio problema de colinealidad.
5. Colinealidad
5. Colinealidad
Si hay colinealidad se hace lo siguiente:
Puntos de influencia
Distancia de mahalanobis
Mide el grado de distanciamiento de cada caso respecto de los promedios del
conjunto del conjunto de variables independientes.
Distancia de cook
Puntos de influencia
Lecturas
[GU]: Captulos 4, 5, 6, 7 y 8 - Apndices B, C.1-C.5 y apndice 7A
[GR]: Captulo 2 y 3 secciones 3.1-3.3, 3.5 - Captulo 4 secciones 4.3, 4.6,
4.8 - Captulo 6 secciones 6.1-6.3
[JD]: Captulo 3 apndice 3.2 y 3.4
[GU] Gujarati, Damodar y Dawn Porter. Econometra. Quinta Edicin.
Mxico: McGraw Hill. 2010.
[JD] Johnston, J. y J. DiNardo. Mtodos de Econometra. Traduccin de la 4ta
edicin (Murillo C. F.). Barcelona: Vicens Vives. 2001
[GR] Greene, William. Econometric Analysis. Quinta Edicin. New Jersey:
Prentice Hall. 2003.
[SW] Stock J. H. y Watson M.W. Introduction to Econometrics. Primera
Edicin. Boston: Addison Wesley. 2003.