INTRODUCCION AL ANALISIS DE REGRESION HABIAMOS DICHO QUE UN MODELO DE REGRESION, EL MAS SIMPLE QUE PODAMOS EXPRESAR, VIENE DADO POR Yi = 1 + 2 Xi + QUE PERMITE ESTIMAR LA RELACION (CORRELACION). ? ENTRE DOS VARIABLES SE DIFERENCIA DE UN MODELO MATEMATICO EN QUE EL MODELO MATEMATICO ES DETERMINISTICO, POR LO QUE PLANTEA UNA RELACION EXACTA ENTRE Y y X Yi = 1 + 2 Xi MIENTRAS QUE EL MODELO ECONOMETRICO ES UN MODELO ESTADISTICO, DONDE LA RELACION ENTRE X y Y NO ES EXACTA O PERFECTA. ¿QUE QUIERE DECIR PERFECTA O EXACTA? PERFECTA NO PERFECTA Y Y error X X LOS GRAFICOS ANTERIORES SON DIAGRAMAS DE DISPERSION, QUE PERMITEN VISUALIZAR LA DIRECCION Y GRADO DE ASOCIACION ENTRE DOS VARIABLES. EL DIAGRAMA DE DISPERSION GENERA UNA NUBE DE PUNTOS. INTUITIVAMENTE, LA RECTA DE REGRESION ES LA QUE PASA A TRAVES DE ESA NUBE DE PUNTOS. J. Ramoni Perazzi Econometría I Capítulo 1. 1 PARA CADA VALOR DE X, PARA CADA VALOR DE X, PODEMOS CALCULAR EL VALOR PODEMOS ESTIMAR EL VALOR DE Y EXACTAMENTE (PROMEDIO) DE Y NO HAY ERROR: LA RECTA PASA HAY RESIDUO, EL CUAL VIENE EXACTAMENTE SOBRE TODOS DADO POR LA DISTANCIA ENTRE LOS PUNTOS LA LINEA Y LOS PUNTOS ASI QUE ESO ES LO QUE CONTIENE ? Y = 1 + 2 x2 + . . . + K xK VARIABLE DEPENDIENTE (ENDOGENA) (CUANTITATIVA) : UN RESIDUO1 + U VARIABLES INDEPENDIENTES (EXOGENAS, EXPLICATIVAS) (CUALITATIVAS/CUANTITATIVAS) COMPONENTE ALEATORIO DIRECCION DE LA RELACION DE ESO SE TRATA LA REGRESION: BUSCAR LA RECTA QUE MEJOR SE AJUSTE A UNA NUBE DE PUNTOS. ELLO EQUIVALE A ESTIMAR EL VALOR PROMEDIO DE LA VARIABLE DEPENDIENTE A PARTIR DE LOS VALORES DE LAS VARIABLES EXPLICATIVAS VEAMOS DE NUEVO ESTO CON UN EJEMPLO NUMERICO (VER EJEMPLO 1): SI BIEN “RESIDUO” ES EL TERMINO ADECUADO PARA REFERIRSE AL COMPONENTE QUE RECOGE EL REMANENTE DEL COMPORTAMIENTO (VARIABILIDAD) DE Y QUE NO LOGRA SER RECOGIDO POR EL MODELO, MUCHAS VECES SE HABLA DE “ERROR”. SIN EMBARGO, EL TERMINO “ERROR” ES MAS APROPIADO CUANDO SE TRABAJA CON FUNCIONES DE REGRESION MUESTRAL, DE LA CUAL AUN NO SABEMOS NADA PERO SOBRE LO CUAL VOLVEREMOS MAS ADELANTE. 1 J. Ramoni Perazzi Econometría I Capítulo 1. 2 ¿DE DONDE VIENE EL TERMINO REGRESION? LEY DE REGRESION UNIVERSAL DE FRANCIS GALTON: LA ESTATURA DE LOS HIJOS DE PADRES ALTOS Y BAJOS TIENDE HACIA LA ESTATURA PROMEDIO DE LA POBLACION. E S T A T U R A H I J O S 70 65 60 x x x x x 60 x x x x x x x x x x x x x x distribución estatura hijos recta de regresión 65 70 ESTATURA PADRES ¿QUE SIGNIFICA REGRESION AHORA? ESTUDIO DE LA DEPENDENCIA ENTRE UNA VARIABLE (DEPENDIENTE) Y UNA O MAS VARIABLES (EXPLICATIVAS O INDEPENDIENTES) A FIN DE ESTIMAR Y/O REDECIR EL VALOR PROMEDIO POBLACIONAL DE LA PRIMERA EN TERMINOS DE LAS OTRAS. EJEMPLOS: J. Ramoni Perazzi Econometría I C = f (Yd+) PMC Qd= f (P-) ELASTICIDAD PRECIO W = f (UR-) (CURVA DE PHILLIPS) Capítulo 1. 3 RELACION ENTRE DESEMPLEO Y SALARIOS 10 9 TDF 8 7 6 5 6 7 8 9 10 11 12 SAL LA REGRESION NO SE APLICA SOLO AL ANALISIS DE VARIABLES ECONOMICAS.: J. Ramoni Perazzi Econometría I Capítulo 1. 4 FORBES J. (1857). Further experiments and remarks on the measurement of heights and boiling point of water. Transactions of the Royal Society of Edinburgh, 21, 235-243 150.00 145.00 140.00 135.00 y = 0.894x - 41.98 R² = 0.995 130.00 190 NOTA: 195 200 205 210 215 LAS RELACIONES SON ESTADISTICAS, NO DETERMINISTICAS DEBIDO A LA PRESENCIA DE VARIABLES ESTOCASTICAS (ALEATORIAS). REGRESION NO IMPLICA CAUSALIDAD (ESTA LA DETERMINA LA TEORIA). UNA RELACION ESTADISTICA NO PUEDE POR SI MISMA IMPLICAR CAUSALIDAD. CORRELACION: MIDE EL GRADO DE ASOCIACION LINEAL ENTRE DOS VARIABLES. EJEMPLO: CORRELACION ENTRE NOTAS Y HORAS DE ESTUDIO; BEBIDA-ACCIDENTES DE TRANSITO; FUMAR-CANCER. CORRELACIÓN ENTRE X y Y: xy = COV ( X , Y ) VAR ( X ) VAR (Y ) PROPIEDADES: SIMETRIA: xy = yx Correlación entre dos variables Cor(X,Y)= ρxy -1 xy 1 SI COV(X,Y) = 0 xy =0. LO CONTRARIO NO ES NECESARIAMENTE CIERTO J. Ramoni Perazzi Econometría I Grado de Asociación Relación Fuerte Débil No Asociación Directa rxy 1 rxy 0 rxy =0 Inversa rxy -1 rxy (-)0 rxy =0 Capítulo 1. 5 PATRONES DE CORRELACION NO LINEAL Fuente: Gujarati, D. Econometría (4ta edición) J. Ramoni Perazzi Econometría I Capítulo 1. 6 REGRESION CORRELACION PREDICE EL VALOR MIDE EL GRADO DE PROMEDIO DE Y DADOS ASOCIACION LINEAL ENTRE Y y X. VALORES FIJOS DE X E(Y / X ) LAS VARIABLES SON TRATADAS DE MANERA ASIMETRICA: LA VARIABLE DEPENDIENTE (ALEATORIA) Y VARIABLES INDEPENDIENTES (FIJAS) J. Ramoni Perazzi Econometría I LAS VARIABLES SON TRATADAS DE MANERA SIMETRICA: NO EXISTE DISTINCION ENTRE ELLAS DADO QUE TODAS SON ALEATORIAS Capítulo 1. 7