Modelos de regresion lineal multiple
GUÍA DE ESTUDIO 7
Módulo 3: Modelo de Regresión Lineal Múltiple
1.1. 1.2. 1.3. 1.4. 1.5. 1.6. 1.7. 1.8. 1.9.
Introducción Especificación del modelo Estimación mínimo-cuadrática de los parámetros Suma de cuadrados Coeficiente de Determinación Cálculo de las varianzas de los estimadores Inferencia sobre los parámetros del modeloContrastes sobre la capacidad explicativa de las variables Contrastación conjunta del modelo
Comentario general de los contenidos
Introducción Especificación del modelo En este apartado presentaremos y especificaremos el MRLM. El modelo de regresión múltiple pretende explicar el comportamiento de una variable endógena Y a partir de
diferentes variables explicativas o exógenas ( X 2 ,.... X k ) .El modelo de regresión explicita una función lineal, añadiendo un término de perturbación, que recoge el efecto sobre la variable endógena que no viene recogido por el conjunto de exógenas. Estimación mínimo-cuadrática de los parámetros Una vez especificado el modelo, se pretende estimar los parámetros del mismo mediante Mínimos Cuadrados Ordinarios (MCO), ajustando de entre todas las rectas quese pueden trazar aquélla que minimice la suma de los cuadrados de los errores. Suma de cuadrados
Tras la estimación de los parámetros, la variabilidad total de la variable endógena (SCT) se puede descomponer en dos variabilidades, una explicada por las variables exógenas (SCR) y otra no explicada, residual o de los errores (SCE). Coeficiente de Determinación Una medida del grado de ajuste de larecta viene dada por el coeficiente de determinación, que representa el porcentaje de la variabilidad explicada por las variables exógenas sobre el total de variabilidad de la variable endógena.
1
Estadística II GES7: Modelo de Regresión Lineal Múltiple Cálculo de las varianzas de los estimadores Como paso previo a la inferencia estadística calcularemos las varianzas de los estimadores.Inferencia sobre los parámetros del modelo Contrastes sobre la capacidad explicativa de las variables Contrastación conjunta del modelo Para la correcta diagnosis del modelo se proponen dos técnicas complementarias de inferencia estadística, los intervalos de confianza y los contrastes de hipótesis. Tendremos contrastes unilaterales o bilaterales, tanto de significación individual sobre losparámetros estimados como de significación conjunta para todo el modelo.
2
Estadística II GES7: Modelo de Regresión Lineal Múltiple
Ritmo de estudio
Para empezar os sugerimos que realicéis una primera lectura de todos los capítulos objeto de estudio de esta GES poniendo especial énfasis en los puntos esenciales descritos a continuación. Os proponemos el siguiente plan de estudio:
Apartados1.1. Introducción 1.2. Especificación del modelo 1.3 Estimación mínimocuadrática de los parámetros 1.4 Suma de cuadrados 1.5 Coeficiente de Determinación 1.6 Cálculo de la varianza de los estimadores 1.7 Inferencia sobre los parámetros del modelo 1.8 Contrastes sobre la capacidad explicativa de las variables
Puntos esenciales1 Variable endógena y variables explicativas Definición de la ecuacióndel modelo Término de perturbación Método mínimos cuadrados ordinarios Minimización de la suma de cuadrados del error Cálculo de los coeficientes estimados Concepto y cálculo de la SCT, SCR y SCE Relación entre las varianzas Concepto y cálculo de R2 Varianza del término de perturbación y de los coeficientes estimados Intervalo de confianza y contrastes para las betas Significación individual de lasvariables explicativas. Estadístico de contraste
Tiempo2
1 hora
1 hora ½
1 hora ½
2 horas
1.9 Contrastación conjunta Significación conjunta del modelo. Estadístico de contraste del modelo
1 2
La columna Puntos esenciales se refiere a aquellos conceptos que deberíais conocer. La columna Tiempo hace referencia al tiempo aproximado que deberíais invertir para asimilar los...
Regístrate para leer el documento completo.