Introduccin

Tema 5. Regresin y
correlacin

Objetivo: Analizar relaciones entre variables econmicas.

Introduccin
Regresin: Introduccin a los mtodos de ajuste
Regresin lineal simple

Los enfoques para abordar este problema son dos:

Determinacin de la estructura de dependencia que

Regresin de Y/X
Regresin de X/Y

mejor exprese el tipo de relacin de la variable Y con las

dems Teora de la Regresin.

Correlacin: Coeficiente de correlacin

Grado de dependencia existente entre las variables

Teora de la Correlacin.

Varianza residual, de la regresin y total.

Coeficiente

de determinacin

Regresin: Introduccin a los mtodos de ajuste

Apertura comercial

Supongamos que queremos estudiar la relacin existente entre

apertura comercial y crecimiento econmico en un grupo de
pases. Se presentan tres situaciones distintas:
Crecimiento econmico

1%

2%

3%

1%

2%

3%

4%

20%

10

20%

40%

10

40%

60%

10

60%

Dependencia funcional

Dependencia estadstica

1%

2%

3%

20%

40%

60%

Independencia

Regresin: Introduccin a los mtodos de ajuste

La covarianza entre dos variables, Sxy, nos indica si la posible
relacin entre dos variables es directa o inversa:
Directa: Sxy > 0
Inversa: Sxy < 0
Incorreladas: Sxy = 0

x
h

m11

i 1 j 1

x
N

y nij
S xy

El signo de la covarianza nos dice si el aspecto de la nube de

puntos es creciente (relacin directa) o decreciente (relacin
inversa):

Regresin lineal simple

Regresin lineal simple

o La Regresin simple tiene por objeto poner de manifiesto, a

partir de la informacin de que se disponga, la estructura de
dependencia que mejor explique el comportamiento de la
variable Y a travs de la variable X.

Qu tipos de relaciones pueden existir? Veamos algunos

ejemplos:

Normalmente se denomina a:
Y= Variable dependiente (o variable a explicar o endgena)
X= Variable independiente (o variable explicativa o exgena)
Ejemplos:
Euribor y tasa de morosidad
Exportaciones y tipo de cambio

Regresin lineal simple

y j a bxi

De este modo lo que se pretende es buscar aquella lnea

recta que mejor se ajuste a la nube de puntos (la que queda
ms cerca de todos ellos).
Sin embargo los valores observados (yj) y los valores que
predice la recta (yj *) raramente coincidirn.
4500

Relacin
Exponencial
creciente

Relacin lineal
creciente

Ausencia de
relacin lineal

Regresin lineal simple

Imaginemos que despus de analizar la nube de puntos de

nuestros datos decidimos que la relacin que existe entre
ellos es lineal:
*

Cmo elegimos
entonces la mejor recta?
Seleccionaremos
aquella que haga
mnimo el error
cometido al reemplazar
la nube de puntos por
esa recta.

Relacin lineal
decreciente

El valor predicho por nuestra recta estimada sera el punto

que pasa por la recta (valor terico, yj*), y el valor real
sera cada punto (valor observado, yj), . Por tanto, la
diferencia entre el punto y la recta sera el error
cometido (e) o residuo.

eij y j y *j

y *j

yj

y = 50x + 1333.3

4000
3500
3000

Objetivo: Hacer mnimo el error cometido para el conjunto de

observaciones. A dicho clculo se le denomina
MTODO DE LOS MNIMOS CUADRADOS ORDINARIOS.

2500
2000
1500
1000
500
0
0

10

15

20

25

30

35

min e 2j nij ( y j y *j ) 2 nij

i