Anlisis de Regresin

Caso Easton Realty

juantimana.com

Precio versus rea

juantimana.com

Modelo: Recta de los Promedios

El precio promedio vara con el rea.

Podemos establecer una relacin entre el precio y el rea
juantimana.com

Anlisis de Regresin
Qu es el Problema de Regresin?
Estimar el valor promedio de una variable en trminos del valor conocido de otra variable (o valores conocidos de otras variables)

Qu es la Ecuacin de regresin?
Es la Expresin matemtica que establece la relacin entre dos variables

Qu incluye el Anlisis de Regresin?

Estimar la fuerza de la asociacin entre variables Determinar la relacin apropiada Determinar el nivel de significancia de la relacin Evaluar qu tan apropiada es la ecuacin de regresin
juantimana.com

Primer anlisis: Diagramas de Dispersin

juantimana.com

Coeficiente de Correlacin de la muestra

Mide la asociacin entre dos variables, indicando el sentido de la asociacin. Tiene el mismo sentido ( es decir signo) que la pendiente del modelo Puede evaluarse su significancia

juantimana.com

Correlacin inversa perfecta (-1)

juantimana.com

Correlacin = -0.9

juantimana.com

Correlacin = -0.5

juantimana.com

Correlacin = 0.02

juantimana.com

Correlacin = 0.8

juantimana.com

Correlacin = 0.96

juantimana.com

Nuestro caso: Precio vs rea

juantimana.com

Modelo Lineal

juantimana.com

Tres casos que hay que diferenciar

Ecuacin del modelo para los promedios:
E(Y) = A + B X Es la ecuacin general, aplicable para los promedios Ej. El precio promedio de una casa de 200m2

Ecuacin del modelo para valores individuales

Y = A + B X + error, Es aplicable para cada casa Ej. El precio de una casa individual de 200m2

Ecuacin estimada
Y=a+bX Es la ecuacin estimada a travs de una muestra de observaciones (lo que producen los datos)
juantimana.com

Nuestra Recta: Precio vs rea

140000

120000

100000

80000

60000

b= pendiente

40000

20000

a=intercepto
0 500 1000 1500 2000 2500 3000

juantimana.com

Mtodo de los Mnimos Cuadrados

juantimana.com

Error Estndar del Estimador EE Desviacin Tpica de los Residuos

Valor estimado del precio Yest

EE
La diferencia es el error e

Valor real del precio

EE

juantimana.com

Coeficiente de Determinacin (r2)

Es el porcentaje de variacin de Y explicada por el modelo Indica fuerza de asociacin lineal Se le usa como indicador de la capacidad predictiva del modelo Uso muy comn pero no es lo nico que debe considerarse Existe una versin mejorada llamado R2-ajustado

varianza explicada por X r varianza total en Y

2
juantimana.com

Supuestos del Modelo

La relacin entre las variables es lineal Las observaciones son independientes La dispersin es constante en la recta Normalidad: Cada distribucin en cada valor de X es normal (necesaria para inferencia)

juantimana.com

Inferencia en regresin
Es la relacin mostrada en la muestra generalizable a la poblacin?

juantimana.com

Prueba de hiptesis en la regresin

juantimana.com

Pruebas acerca de la Pendiente

juantimana.com

Resultado de una Regresin Simple

Ecuacin de regresin simple El precio se incrementa en 34.9 por pie2

La pendiente es significativa La variable rea capacidad predictiva Error estndar del modelo de regresin La correlacin es positiva igual que la pendiente El rea explica el 48% de la variacin del precio

juantimana.com

Anlisis de Residuales
Residuales versus valor estimado

Normalidad de los errores

juantimana.com

Regresin Mltiple
En este caso tenemos ms una variable independiente o explicativa

juantimana.com

Regresin Mltiple
Estudia la relacin entre
Una variable dependiente, y Ms de una variable independiente (explicativa)

Se utiliza:
Para describir la naturaleza de una relacin Para predecir la variables dependiente a partir del valor de las independientes

juantimana.com

Detalles del modelo

Y = A + B X1 + C X2 + D X3 ++ error Se asume relacin lineal Los trminos A, B, C y los dems se interpretan como contribuciones marginales a la variacin de Y Una herramienta til es la matriz de correlaciones Idealmente X1, X2, X3 y las dems variables explicativas son independientes entre s Problema potencial es la multicolinealidad

juantimana.com

Ejemplo: Sueldos de graduados

juantimana.com

Preguntas
Cul es el impacto de tener una maestra en el sueldo del ejecutivo? Qu variables son explicativas de las diferencias en el sueldo? Ofrezca una explicacin razonable para el resultado hallado

juantimana.com

Sueldos: Matriz de correlacin

Sueldo Sueldo Experiencia Calificacion Maestria 1 0.86675396 0.54719669 0.31055833

Experiencia 1 0.17382746 0.19777218

Calificacion

Maestria

1 0.45777487

Observar que Maestra no es una variable cuantitativa La interpretacin de la correlacin tiene dificultades

juantimana.com

Grfica: Sueldos Vs. Experiencia

juantimana.com

Grfica: Sueldos Vs. Calificacin

juantimana.com

Grfica: Sueldos Vs. Maestra

juantimana.com

Ejemplo Sueldos: Estimacin

Significativo?

juantimana.com

Otros indicadores

Multicolinealidad?

juantimana.com

Modelo final (sin variable Maestra

El modelo explica el 90.32% de la variacin de los sueldos

juantimana.com

Dificultades en la Regresin
Multicolinealidad
Cuando hay mucha correlacin entre las variables independientes (explicativas)

Autocorrelacin
Falta de independencia de los errores Los valores de Y estn relacionados con valores subsecuentes en otros periodos

Heteroscedasticidad
La varianza de los errores no es constante

juantimana.com