Documente Academic
Documente Profesional
Documente Cultură
de Tiempo y
Regresin
Captulo 5: Construccin de
Modelos y Anlisis Residual
Temas
1. Construccin de modelos y los efectos
de la multicolinealidad
2. Anlisis residual en la regresin simple
3. Anlisis residual en la regresin
mltiple
4. Diagnstico para detectar
observaciones atpicas e influyentes
multicolinealidad
comparacin de los modelos de regresin
con base en R2, s, R2 ajustada, longitud del
intervalo de prediccin y estadstica C
regresin por pasos y eliminacin hacia
atrs
Multicolinealidad
las variables independientes estn
Multicolinealidad
factores de inflacin de la varianza (variance inflation
factor)
1
VIF j
1 R 2j
Rj2 es el coeficiente de determinacin mltiple para el
Multicolinealidad
La multicolinealidad es grave si:
1. el VIF ms grande > 10
2. el VIF medio es sustancialmente > 1
el R2 al el nmero de variables
SSE
n k 1
R 2 R2
n 1 n k 1
Paso 1:
se corre una regresin para cada variable
independiente.
Se denomina a la variable con el mayor valor de la
estadstica t, x[1]
1.
2.
3.
Paso 2:
1.
se corre una regresin agregando cada variable
independiente al modelo
y = 0 + 1x[1] + 2xj +
1.
2.
Pasos posteriores:
1.
se continan agregando variables independientes, una
por una, al modelo. En cada paso se suma una
variable independiente al modelo si teine la estadstica
t ms grande de las variables independientes que no
estn en el modelo y si su estadstica t indica que es
significante en el nivel
2.
Anlisis residual en la
regresin simple
Sub-temas
grficas de residuos
suposicin de varianza constante
suposicin de la forma funcional correcta
suposicin de la normalidad
suposicin de independencia
transformacin de la variable dependiente
Anlisis residual en la
regresin simple
recuerda que
e y y
Si las suposiciones de la regresin se
Anlisis residual en la
regresin simple
grficas de residuos
Se elaboran grficas de residuos
contra
1. valores de x
2. valores de y
3. el orden en el tiempo en el cual los
datos han sido observados (para series
de tiempo)
Anlisis residual en la
regresin simple
suposicin de varianza constante
se examinan las grficas de los residuos
Anlisis residual en la
regresin simple
suposicin de la forma funcional correcta
Si usamos un modelo de regresin lineal
simple cuando la relacin verdadera es
curva, la grfica de residuos tendr una
apariencia curva.
Anlisis residual en la
regresin simple
suposicin de la normalidad
Se acomodan los errores en orden ascendente
Se grafican contra el valor z correspondiente.
z = punto en el eje horizontal bajo la curva
normal estndar de modo que el rea bajo la
curva a la izquierda de z(i) es (3i-1)/(3n+1)
Esta grfica debe asemejarse a una recta.
Anlisis residual en la
regresin simple
suposicin de independencia
ms probable violar esta suposicin en
series de tiempo:
autocorrelacin positiva
patrn cclico en los errores
autocorrelacin negativa
Anlisis residual en la
regresin simple
transformacin de la variable dependiente
posible remedio en casos de
transgresin de las suposiciones de
varianza constante
forma funcional correcta
normalidad
Anlisis residual en la
regresin simple
transformacin de la variable dependiente
transformacin de la raz cuadrada
y* y y.5
transformacin de la raz curta
y* 4 y y.25
transformacin logartmica
y* ln y
Anlisis residual en la
regresin mltiple
Se grafican los residuos contra
1. valores de cada variable independiente
2. valores del valor predicho de la variable
dependiente
3. orden en el tiempo en el cual se
observaron los datos
valor de la ventaja
residuos y residuos estudentizados
residuos eliminados y residuos eliminados
estudentizados
medida de la distancia de Cook
Qu hacer con respecto a las
observaciones atpicas y las influyentes
estudentizados
se calcula la distancia entre yi y y(i)
residuo eliminado estudentizado = (residuo
eliminado) / s
Hay fuerte evidencia de que la observacin es
atpica con respecto a su valor y si el residuo
eliminado estudentizado es mayor que
n k 2
t.005
Medida de la Distancia de
Cook
D de Cook
Si la D de Cook de la observacin i es
1.
2.
3.
4.