Escuela Superior Politécnica del Litoral. Facultad de Ciencias Sociales y Humanísticas.
Métodos
dsabando@espol.edu.ec
Simple.
 
El análisis de regresión se refiere al estudio de la
dependencia de una variable (variable dependiente)
de una o más otras variables (variables explicativas)
con el fin de estimar o predecir el valor promedio
 poblacional de la primera en términos de los valores
conocidos o fijos (en el muestreo repetido) de las
segundas.
4
 
E (Y | X i  ) es una función de X i
E (Y | X i  ) = f (X i  ) Función de esperanza condicional o regresión poblacional
Asumiendo que es una función lineal de X i
 
Linealidad en las variables 
La primera significado de linealidad es que la expectativa condicional de Y es una  función lineal de Xi,  la curva de regresión en este caso es una línea recta. 
E (Y | X  i) = β  1 + β   2  X   2 i   no es una función lineal 
Linealidad en los Parámetros  Si la expectativa condicional de Y, E (Y | X  i) ) es una función lineal de los parámetros, la  β   ' s;  que puede o no puede  ser lineal en la variable X. 
 
10
¿qué sucede con el consumo de una familia en relación con su
nivel de ingreso (fijo)?
el consumo de una familia en particular no necesariamente
aumenta a medida que lo hace el nivel de ingreso. Por ejemplo,
en la tabla anterior se observa que en el nivel de ingreso de 100
dólares existe una familia cuyo consumo, de 65, es menor que
el consumo de dos familias cuyo ingreso semanal es sólo de 80
dólares. Sin embargo, hay que advertir que el consumo
 promedio de las familias con ingreso semanal de 100 es mayor
que el consumo promedio de las familias con un ingreso
semanal de 80 dólares (77 y 65).
 
entre el consumo de una familia y un
nivel determinado de ingresos? El nivel de ingresos de  Xi, el consumo de una familia en particular se agrupa alrededor del consumo promedio de todas las familias en ese nivel
de Xi, es decir, alrededor de su esperanza condicional. Por consiguiente,
expresamos la desviación de un Yi en particular alrededor de su valor
esperado de la manera siguiente:
Una parte
12
Como E (Yi | Xi) es lo mismo que E (Y | Xi)
Así, el supuesto de que la línea de
regresión pasa a través de las medias
condicionales de Y implica que los
valores de la media condicional de ui 
(condicionados al valor dado
de X ) son cero.
múltiple con tantas variables como sea
 posible?
2. Falta de disponibilidad de datos:
3. Variables centrales y variables periféricas:
4. Aleatoriedad intrínseca en el
comportamiento humano:
Y i = E (Y | X i ) + ui 
 
la “menor   posible”.
24
Se relacionan el salario promedio por hora (Y ) y los años de escolaridad ( X ).
La economía laboral básica indica que, entre muchas variables, la escolaridad
es un determinante importante de los salarios.
Ejemplo:
Ejemplo:
 
 
 
 
42
Se relacionan el salario promedio por hora (Y ) y los años de escolaridad ( X ).
La economía laboral básica indica que, entre muchas variables, la escolaridad
es un determinante importante de los salarios.
Ejemplo:
 
El coeficiente de educ tiene una interpretacion porcentual multiplicandolo por 100:
wage aumenta 8.3% por cada ano mas de educacion. Esto es a lo que los
economistas se refieren cuando hablan de “rendimiento de un ano mas de
educacion”. 
47
El coeficiente de log( sales) es la elasticidad estimada de salary (sueldo) respecto a
 sales (ventas). Esto implica que por cada aumento de 1% en las ventas de la empresa
hay un aumento de aproximadamente 0.257% en el sueldo de los CEO — la
interpretación usual de una elasticidad.
 
Múltiple.
Multiple. Supuestos:
obtenemos:
MCO
 
variación individual sobre la total,
manteniendo las demás variables
 base de datos WAGE1.RAW, las variables educ (años de educación),
exper (años de experiencia en el mercado laboral) y tenure (años de
antigüedad en el empleo actual) se incluyen en una ecuación para
explicar log(wage). La ecuación estimada es
 base de datos WAGE1.RAW, las variables educ (años de educación),
exper (años de experiencia en el mercado laboral) y tenure (años de
antigüedad en el empleo actual) se incluyen en una ecuación para
explicar log(wage). La ecuación estimada es
 
interpretación ceteris paribus. El coeficiente .092 significa
que manteniendo exper y tenure constantes, se predice que
un año más de educación incrementa log(wage) en .092, lo
que se traduce en un aumento aproximado de 9.2%
[100(.092)] en wage en promedio. Es decir, si se toman dos
 personas con los mismos niveles de experiencia y
antigüedad laboral, el coeficiente de educ es la diferencia
 proporcional con el salario predicho cuando en sus niveles
de educación hay una diferencia de un año.
 
la validación y contraste.
2. Estimación del modelo (MCO)
3. Valoración y contraste del modelo
a. Análisis preliminares (signos)
c. Análisis de significatividad conjunta (F-snedecor y
R’s cuadrados)
modelo.
mencionado
64
Recordando:
Los elementos de una prueba estadística 1. Hipótesis nula, H 0
2. Hipótesis alternativa, H 1
3. Nivel de significancia, α 
4. Estadístico de prueba
 
 Nivel de significancia α 
Criterio de decisión:
Estadístico de prueba:
Si el p-valor < α entonces se rechaza Ho. Solución usando Gretl 
con n-k-1 grados de libertad
(F-snedecor)