Estudiante

“Año de la consolidación económica y social del Perú”



MODELO DE REGRSION SIMPLE



Curso: Tópicos II
Profesor: Yepez Muñiz Leon
J.P: Pizarro William
Ciclo: 8vo
INTEGRANTES:
* Cáceres Rivera, Catti Francia
* Carbajal Licito, Armando
* Chanco Cabrera, Katherine Gibell
* Chipana Chininin, Katherine
* Cortez Huamanhorqque, AbelAdán
* Manrique Vera, Luis Alejandro
2010

INDICE:

* Introducción
2.1.- Definición del Modelo De Regresión Simple
2.2.- Derivación de las estimaciones por Mínimos Cuadrados Ordinarios
2.3.- Funcionamiento del método MCO
2.4.- Unidades de medidas y Forma Funcional
2.5.- Valores esperados y Varianzas de los estimadores MCO
2.6.- Regresión por el origen
* ResumenINTRODUCCION

El modelo de regresión simple puede emplearse para estudiar la relación entre dos variables. Por razones que veremos más adelante, el modelo de regresión simple presenta ciertas limitaciones cuando se emplea como herramienta para el análisis emperico. A pesar de ello, en algunos casos resulta apropiado como herramienta empírica. Aprender a interpretar un modelo de regresión es útil para elestudio de la regresión múltiple.

EL MODELO DE REGRESION SIMPLE
2.1. DEFINICIÓN DEL MODELO DE REGRESIÓN SIMPLE
Gran parte del análisis econométrico comienza con la siguiente premisa: y y x son dos variables que representan a una población, y estamos interesados en “explicar y en términos de x” o en “estudiar cómo varía y con los cambios en x”. Aquí veremos algunos ejemplos, como aquellos en quey representa la producción de soja y x representa la cantidad de fertilizante; y es el salario por hora y x son los años de educación, y el caso en que y representa las tasas de delincuencia en una comunidad y x es el número de policías.
Al crear un modelo que “explique y en términos de x” nos enfrentamos a tres problemas. En primer lugar, dado que nunca se da una relación exacta entre dosvariables, ¿cómo permitir que otros factores afecten a y? En segundo lugar, ¿cuál es la relación funcional existente entre y y x? Y, finalmente, ¿cómo podemos aseguramos de estar captando una relación ceteris paribus entre y y x (siempre y cuando éste sea el objetivo buscado)? Podemos resolver estos interrogantes estableciendo una ecuación que relacione y y x. Una forma simple de hacerla seríay=β0+β1x+u
La Ecuación, para la que se hace el supuesto de que se cumple en la población de interés, define el modelo de regresión lineal simple. También se llama modelo lineal de regresión de dos variables o modelo de regresión lineal bivariante porque relaciona las dos variables x e y. Explicaremos ahora el significado de cada una de las cantidades en la ecuación. (Para la mayoría de las aplicacioneseconométricas, los orígenes del término “regresión” no tienen especial relevancia y, por lo tanto, no los explicaremos aquí. Véase Stigler (1986) para un enfoque histórico del análisis de regresión). Cuando están relacionadas por, las variables y y x tienen diferentes nombres que se emplean indistintamente: y recibe el nombre de variable dependiente, de variable explicada, de variable de respuesta,de variable predicha o de regresando; y a x se la denomina variable independiente, variable explicativa, variable de control, variable predictor o regresor. (El término covariable también se emplea para x.) Las expresiones “variable dependiente” y “variable independiente” se emplean a menudo en econometría. Pero debemos ser conscientes de que el término “independiente” no hace referencia en estecaso a la noción estadística de independencia entre variables aleatorias.
Los términos de variable “explicada” y “explicativa" son probablemente los más elocuentes. “Respuesta" y “control” se emplean sobre todo en las ciencias experimentales, en las que el investigador controla la variable x. Nosotros no emplearemos las expresiones “variable predicha" ni “variable predictor”, aunque en...