INTERPRETACIÓN DE LOS PARÁMETROS DE UN MODELO BÁSICO DE REGRESIÓN LINEAL. Rafael de Arce Ramón Mahía Febrero de 2012
|
|
- Esteban Reyes Naranjo
- hace 7 años
- Vistas:
Transcripción
1 INTERPRETACIÓN DE LOS PARÁMETROS DE UN MODELO BÁSICO DE REGRESIÓN LINEAL Rafael de Arce Ramón Mahía Febrero de 0 Además de abordar en otras sesones y documentos los aspectos relatvos a la estmacón de los parámetros de un MBRL, convene tener claro, por encma de todo la nterpretacón de los msmos. I.- Interpretacón ntutva de los estmadores MCO en la regresón múltple S magnamos una ecuacón estmada con dos varables exógenas más un térmno ndependente, el modelo estmado sería: ˆ ˆ ˆ y x x ˆ Imagnemos una muestra temporal donde representa el paso del tempo. S expresamos ahora el modelo en dferencas, es decr, s al valor estmado de y en el período ( ŷ ) le restamos el valor estmado de y en el período - ( y ˆ ) tenemos que: yˆ yˆ ˆ ˆ x ˆ x ˆ ˆ x ˆ x yˆ ˆ x ˆ x Qué representa por tanto ˆ?. Una forma smple de expresar ˆ es: x yˆ 0 ˆ x Es decr, ˆ permte computar el cambo obtendo en y producdo por un cambo en x mantenéndose x constante. Es decr: los coefcentes de la regresón múltple son coefcentes ceters parbus. El punto clave, como señala Wooldrdge, es que la estmacón de estos coefcentes parcales se obtene aún cundo los datos no se hayan observado o recogdo en esas condcones. Es decr, la regresón múltple nos permte mtar ( ) lo que los centífcos hacen en los entornos (expermentales) controlados de laboratoro: conservar fjos otros factores. Introduccón a la econometría. Un enfoque moderno. Ed. Thomson.
2 Imagnemos, por ejemplo, el resultado obtendo en la estmacón de una regresón que relacona las ventas mensuales de nuestra empresa con los cambos en los precos y en la publcdad: Vˆ 0,5Pr, Pub S las ventas y la publcdad están meddas en mllones de euros y los precos en euros por undad: El parámetro -0.5 de los precos ndcaría que por cada ncremento de un euro en el preco untaro, nuestras ventas se reducrían en medo mllón de euros sempre y cuando se mantuvese constante el presupuesto en publcdad. El coefcente de., postvo, ndca que, s no varamos el preco de venta, un ncremento de mllón de euros en publcdad genera un ncremento de ventas de. mllones. Evdentemente, la empresa nunca movó sólo los precos o sólo la publcdad, sno que todos los años hzo, probablemente, ambas cosas: sn embargo, la regresón múltple permte aslar ambos efectos. Una observacón de nterés es: qué sucede s sólo utlzamos una de las dos varables en la regresón? En ese caso, puede observarse que los resultados de las dos regresones ndvduales son: Vˆ,9 0,8Pr Vˆ,6, 9Pub Los resultados de la regresón sobre el preco son smlares a los obtendos en la regresón múltple pero qué ha suceddo con los resultados de la regresón sobre la publcdad? Utlzando los msmos datos, el sgno de la Publcdad en su relacón con las ventas es ahora negatvo cómo podemos explcar esto? Observemos la evolucón de las ventas, los precos y la publcdad en los años utlzados para la estmacón ventas preco publcdad
3 Cuando tomamos sólo los datos de la publcdad y las ventas, observamos que, efectvamente, a lo largo de los últmos 5 años la publcdad se ha ncrementado notablemente pero, sn embargo, las ventas han dsmnudo; sn embargo, durante este msmo período, los precos han crecdo tambén de forma muy sgnfcatva, de modo que el efecto teórcamente postvo de la publcdad se ha vsto anulado por un ncremento descontrolado de los precos. S sólo observamos la relacón entre ventas y publcdad, subestmamos clamorosamente el efecto de la publcdad; del msmo modo, s sólo observamos la relacón entre ventas y precos, subestmamos tambén el efecto negatvo de un alza en los precos (la realdad es que, s no hubésemos elevado la publcdad a lo largo de estos 5 años, la caída de las ventas ante tal ncremento de los precos hubera sdo algo mayor). La anteror exposcón nos oblga a plantearnos algunas preguntas: - S sólo estamos nteresados en el efecto de una varable explcatva en su relacón con la endógena (y) Es necesaro nclur en la regresón múltple otras varables que son potencalmente relevantes para observar adecuadamente ese únco parámetro de nterés? Así es, el ejemplo anteror demuestra que, aunque nuestro nterés se centre en una varable exógena, debemos recoger nformacón de las demás varables que han poddo varar durante el período muestral, de otro modo, no podemos aslar, dstngur del resto, los efectos de la varable que nos nteresa. Este es, sn duda, el preco a pagar en la regresón a cambo de evtar dseños expermentales ceters parbus. Veremos más adelante, de modo más formalzado, el porqué de este requsto y cuáles son los efectos técncos de la omsón de varables relevantes sobre el carácter sesgado de los parámetros de un modelo de regresón múltple. - Exste alguna excepcón a lo anteror? Es decr, es posble obtener resultados correctos (no subestmados n sobreestmados) en las regresones ndvduales? S. El problema resde, en realdad, en la exstenca de correlacón entre las varables explcatvas utlzadas en el ejemplo. Por qué? El problema de una muestra en la que exste correlacón alta entre las explcatvas (postva o negatva) es que la muestra no permte aslar el efecto de cada una sobre la endógena, porque, magnando que la correlacón fuera postva, cada vez que una crecó (respecto a su meda), la otra tambén lo hzo. Dgamos que la muestra es lo contraro al tpo ceters parbus que necestaríamos para observar el efecto ndvdual de las exógenas. Ahora ben, s en nuestra muestra podemos encontrar crecmentos de una exógena que se hayan combnado con ncrementos y dsmnucones de la otra de modo que entre ambas no exsta una correlacón sstemátca, la muestra es deal para observar los efectos de forma ndvdual (sn recurrr a la regresón múltple) porque los efectos de
4 subestmacón y sobreestmacón en esas estmacones ndvduales aparecerán compensados, resultando nulos o poco sgnfcatvos. - S la regresón múltple permte separar sn sesgos los efectos de las dstntas varables aún cuando las muestras no sean ceters parbus. Por qué es mportante que no exsta correlacón muestral entre las exógenas? Por qué se formula la hpótess de ausenca de multcolnealdad? Efectvamente, la regresón múltple permte separar los efectos de cada exógena sn cometer sesgos de sobre o subestmacón aún cuando las muestras sean desfavorables en ese sentdo (es decr, aún cuando las exógenas estén muy relaconadas). Sn embargo, la exstenca de multcolnealdad mplca un preco a pagar nevtable: una menor precsón en la estmacón de los parámetros (una mayor varanza en la estmacón). Esto puede entenderse ntutvamente: s las varacones de una varable X se ven sstemátcamente acompañadas de la varacón de otra varable X resulta dfícl separar con precsón qué parte de los efectos sobre Y se deben a los movmentos de X y que parte a los de X. Además de la explcacón ntutva veremos en el tema de la Multcolnealdad como técncamente, la varanza de un parámetro depende de tres factores y uno de ellos es, precsamente, el grado de correlacón que exste entre cada varable exógena y el resto: a mayor relacón, menor precsón en la estmacón. II.- Interpretacón de los parámetros cuando en el modelo ntervenen varables en logartmos En muchas ocasones, las varables mplcadas en el modelo (exógenas, endógena o ambas) venen expresadas en logartmos. El uso de los logartmos puede deberse a algunas causas frecuentes: a) Desde el punto de vsta puramente matemátco, algunas veces el modelo teórco orgnal se expresa en forma no lneal de modo que para abordar su estmacón medante métodos lneales, se lnealza, generándose una expresón en logartmos. Este es, por ejemplo, el caso de una funcón de produccón, en la que la expresón lógca (debdo a la ley de rendmentos decrecentes) es una funcón no lneal del tpo: P L * K * u ln( P ) Ln( L ) Ln( K ) Ln( u ) Otro ejemplo habtual de este caso sería el de los llamados modelos de gravtacón basados en la expresón de Newton de la Gravedad: la fuerza que atrae dos cuerpos es drectamente proporconal a la dferenca de sus masas e nversamente proporconal a la dstanca al cuadrado que los separa. Esta expresón se traslada en economía para representar, por ejemplo, flujos comercales entre dos puntos geográfcos, mdendo la masa de los cuerpos
5 (como la renta de cada uno de los lugares) y la dstanca entre ellos (ben en térmnos físcos (km) o en funcón de otras varables que representen dstanca económca ). En este modelo, tendríamos: Flujo j Re nta Re nta j U ln( ) ln(re ) ln(re ) ( ) Flujo j nta nta j Ln dj W d j b) En otras ocasones se emplean los logartmos como smple estratega de transformacón matemátca tendente a reducr la dspersón orgnal de una sere. Efectvamente, la forma funconal logarítmca produce una compresón de los valores orgnales dentro de un rango sempre menor que el orgnal. Así, por ejemplo, una sere que varase orgnalmente entre un mínmo de.000 y un máxmo de (.000 veces mayor) quedaría, al tomar logartmos naturales, transformada en una sere con un mínmo de =log(00) y un máxmo sólo veces mayor, 6=log( ). Reducr la dspersón de una varable (generalmente la endógena) lmta el resgo de aparcón de heterocedastcdad (varanza no constante de la perturbacón aleatora condconada a los valores de endógena) un problema que, como se verá más adelante durante el curso, afecta a la efcenca de los estmadores MCO. Más allá de las dos razones prevamente apuntadas, lo nteresante del uso de los logartmos es que la forma en la que se expresan las varables en el modelo (nveles o logartmos) modfca conceptualmente el propo sgnfcado (e nterpretacón) de los parámetros obtendos. Así, cuando ambas varables (endógena y exógena) están escrtas en logartmos, la nterpretacón de los parámetros de un modelo de regresón es cercana al concepto de elastcdad entre ambas varables ( y y X ) o, dcho de otro modo, la magntud del cambo porcentual en y ante una varacón del % en la varable x. y y Elastcda d y / * x y x x y x x y * x log(y) *log( x) y x Así pues, por ejemplo, s en un modelo Consumo / Renta obtenemos el sguente resultado: log( C ),9 0,4log( R ) El parámetro de la renta (0,4) ndcaría la elastcdad Consumo / Renta, es decr, que por cada ncremento del consumo de un %, la renta se ncrementaría un 0,4%. Ver Wooldrgge, 009: Introduccón a la Econometría: un enfoque moderno. Ed. Parannfo Pg con mayor detalle sobre el efecto de las transformacones logarítmcas.
6 En los casos en los que se combnan nveles y logartmos la nterpretacón es senclla s recordamos que los cambos de la varable en logartmos han de asmlarse a cambos porcentuales en tanto que los cambos en las varables en nveles han de expresarse como cambos en las undades orgnales de esas varables. En la sguente tabla se resume esa nterpretacón: Especfcacón Expresón Interpretacón de Nvel-Nvel y x u Log-nvel Nvel-log Log-Log log( y ) Incremento de undades en y cuando aumenta undad la X (ambas en sus undades de medda orgnales) x u * 00 y log( x ) u / 00 = ncremento porcentual de y cuando aumenta una undad la X =ncremento en undades de y cuando aumenta un % la X log( x u Incremento porcentual de y log( y ) ) cuando aumenta un % la X Insstendo con el nterés conceptual de estas dstntas formulacones, y más allá de la nterpretacón puramente matemátca, es obvo que estas varacones en la medcón de exógenas y endógena permte abordar la estmacón de modelos teórcos que sugeren CONCEPTUALMENTE relacones no lneales entre varables. Efectvamente, el modelo Nvel-Nvel, asume que el cambo de Y ante varacones de X es sempre el msmo, ndependentemente del nvel de partda de Y y de X. Por ejemplo, este sería el modelo correcto s podemos suponer que una habtacón adconal en un pso genera un ncremento de euros en el valor de mercado del nmueble, ndependentemente de s el pso tene una, dos o tres habtacones e ndependentemente del valor que estemos consderando como referenca. Otro ejemplo puede observarse en el gráfco sguente que lustra la relacón entre el número de hjos por mujer (fertldad total) y la esperanza de vda (en años). Aparentemente, el ncremento de años de vda es constante para cada dsmnucón en la fertldad (medda en hjos por mujer) ndependentemente del nvel consderado para la fertldad o la esperanza de vda. La regresón, en un caso como este, se representaría como una línea recta que atravesaría la nube de puntos, y cuya pendente concdría con el parámetro estmado:
7 Relacón Nvel-Nvel: Fertldad total (en número de hjos) y Esperanza de vda (en años) Fuente: GapMnder.com Alternatvamente, los modelos log-log, son ncompatbles con la dea preva y sugeren modelos de elastcdades constantes ; en estos modelos, se presupone que un cambo porcentual en la X genera sempre un cambo porcentual constante en la y. El cambo en nveles no será, por tanto, ndependente del nvel de partda sno que, al ser porcentual, será mayor cuanto mayores sean los nveles de comparacón prevos. El gráfco sguente lustra un ejemplo del modelo log-log entre renta per-cápta ( x ) y el consumo de energía eléctrca ( y ). El hecho de que la lnealdad se verfque utlzando logartmos (log-log) ndca que es constante el ncremento porcentual que se produce en el consumo de energía ante varacones porcentuales en la renta. Dcho de otro modo, un ncremento en la renta de un % genera sempre el msmo ncremento porcentual en el consumo de energía. S el coefcente de la regresón fuera, por ejemplo, gual a (elastcdad renta/electrcdad = ) esto sgnfcaría que en un país pobre (4.000 $) y con bajo consumo (.000 Kw/h) un ncremento de un % en la renta (40$) genera un ncremento porcentual semejante en el consumo (% de.000 = 0 Kw/h). Esa msma elastcdad se mantene constante para nveles más altos de renta lo que sgnfca que los cambos en renta y consumo son mucho mayores: por ejemplo en un país rco (0.000 $) con consumo ya elevado (9.000 Kw/h) un ncremento de un % en la renta sgnfcaría 00 $ más (no 40 $) y el ncremento de consumo de electrcdad que esto mplcaría sería de 90 Kw/h, y no de 0 Kw/h. O dcho de otro modo: que elevar un % la renta mplca un mayor ncremento del consumo de energía eléctrca (en Kw) según la renta de los países es más alta.
8 Relacón Log-Log: Consumo de energía eléctrca (en logartmos) en funcón de la Renta per cápta (en logartmos) Fuente: GapMnder.com Los modelos mxtos, Log Nvel o Nvel Log tenes nterpretacones sencllas en térmnos smlares a los ejemplfcados prevamente. Por ejemplo, el gráfco Nvel-Log sguente, lustra que ES CONSTANTE la mejora en la esperanza de vda, medda en años, para un ncremento PORCENTUAL en la renta per cápta (medda en logartmos). Esto sgnfca que la mejora de la esperanza de vda en un año requere un esfuerzo RELATIVO de ncremento de la renta IGUAL para todos los países: los países más pobres deben crecer porcentualmente lo msmo respecto a su nvel prevo que los rcos PARA MEJORRA UN AÑO su esperanza de vda. Vsto desde una perspectva dferente, el ncremento de renta en dólares necesaro para segur mejorando la esperanza de vda en los países rcos es mucho mayor que el ncremento en dólares requerdo en un país menos desarrollado. Algo smlar sucede con el segundo gráfco: la mejora en la esperanza de vda (en años) requere un ncremento porcentual constante en el gasto santaro (o sea, un ncremento del gasto tanto mayor cuanto mayor sea la cuantía ya gastada prevamente).
9 Relacón Nvel-Log: Esperanza de vda (en años) en funcón de la Renta per cápta (en logartmos) Fuente: GapMnder.com Relacón Nvel-Log: Esperanza de vda (en años) en funcón del Gasto Santaro (en logartmos) Fuente: GapMnder.com
10 Por últmo, el gráfco sguente, lustra una relacón log-nvel entre la renta per cápta (en logartmos) y los años de escolarzacón (en años). La relacón gráfca sugere que el ncremento en los años de escolarzacón medos genera ncrementos de renta relatvos constantes (respecto al nvel prevo) o, vsto desde el otro punto de vsta, que un año más de escolarzacón genera un ncremento en dólares cada vez más grande cuanto mayor es el nvel de renta ya alcanzado. Relacón Log-Nvel: Renta per cápta (en logartmos) en funcón de la escolarzacón (en años) Fuente: GapMnder.com III.- Interpretacón del térmno constante En un modelo econométrco es sempre recomendable nclur un térmno constante tanto para lograr un mejor ajuste en la curva de regresón estmada como para obtener una mejor nterpretabldad de ndcadores de ajuste como, por ejemplo, la R cuadrado. Matemátcamente, la nclusón del térmno constante nos permte que el orgen de la curva de ajuste no parta necesaramente del punto (0,0) en los ejes de coordenadas, lo que cas sempre dará lugar a un mejor ajuste.
11 En el gráfco se puede observar una sere (roja) a estmar. La estmacón de la línea negra contnua es una regresón de una recta con constante y la dscontnua azul es una estmacón sn constante (oblgada a partr del punto 0,0). El ajuste de la segunda es claramente peor que el de la prmera, ya que la sere de nterés (la roja) claramente no parte de este punto (0,0). En defntva, la nclusón de la constante en muchas ocasones sólo es un artfco matemátco para lograr un mejor ajuste, sn que sea posble darle una nterpretacón económca. Sólo en el caso en el que todas las varables explcatvas puderan tomar el valor cero (y en la muestra elegda para realzar la estmacón de hecho tomaran este valor al msmo tempo en alguna ocasón) tendría sentdo nterpretar el parámetro que acompaña a la constante como el valor de la endógena cuando no toman valor el resto de las exógenas. Por ejemplo, en el clásco modelo de consumo teórco de Keynes, este autor denomna al térmno constante consumo autónomo o de subsstenca o aquel que se producría cuando la renta del ndvduo y los precos son cero; entendendo que, en teoría, esta crcunstanca podría darse. En la práctca, cuando se estma este modelo, en la muestra de datos utlzada no fgurará nngún caso en el que los precos (y seguramente tampoco la renta) valgan cero, por lo que el resultado del térmno constante no será nterpretable (pudendo tener, por ejemplo, un sgno negatvo, lo que en prncpo sería ncompatble con la lógca s es que fuera nterpretable). IV.- Interpretacón de los parámetros para varables dcotómcas e nteraccones entre ellas En algunos modelos se plantea la necesdad de utlzar varables dcotómcas: género (masculno o femenno), estado cvl (soltero o casado), naconaldad (extranjero o naconal). Cuando esto sucede, los parámetros tenen una nterpretacón muy concreta que convene conocer. Empezando por el caso más sencllo, con una únca varable, magne un modelo del sguente tpo:
12 salaro sexo u Donde explcamos el salaro en funcón de la varable sexo, una varable dcotómca con valor cero para los hombres y uno para las mujeres. En ese caso, el salaro estmado para hombres y mujeres sería: Salaro estmado para los hombres: ˆ s ˆ ˆ () ˆ ˆ Salaro estmado para las mujeres: ˆ s ˆ ˆ (0) ˆ Es decr, el parámetro estmado β representaría el salaro dferencal de los hombres respecto a las mujeres. Dado que el modelo se verfca en medas, esto sgnfca que la estmacón de β representaría el salaro muestral medo de las mujeres y la suma β + β debe concdr con el salaro muestral medo de los hombres. salaro sexo jornada u S el modelo ncluye otra varable no necesaramente dcotómca, la nterpretacón es nuevamente senclla. Para observarla, magnemos ahora el modelo: salaro sexo edad u En este caso, para dos personas de la msma edad, el salaro estmado sería ahora: Para un hombre: sˆ ˆ ˆ () ˆ h ( Edad ) Para una mujer: sˆ ˆ ˆ (0) ˆ ( ) ˆ ˆ m Edad ( Edad ) De modo que, restando ambas estmacones tenemos: sˆ h sˆ m ˆ ˆ ˆ ( Edad ) ˆ ˆ ( Edad ) ˆ Es decr, nuevamente, el parámetro estmado β representa el salaro dferencal de un hombre respecto a una mujer (para un msmo valor del resto de varables). En este caso, sn embargo, debe tenerse la precaucón de NO INTERPRETAR la estmacón de β como el salaro medo de las mujeres o la suma β + β como el salaro muestral medo de los hombres. Para obtener el salaro medo muestral de hombres y/o mujeres debemos tener en cuenta tambén el parámetro estmado β y los valores medos de edad para hombres y mujeres.
13 Supongamos ahora que tenemos dos varables dcotómcas, por ejemplo el sexo y la, jornada (con valor cero para jornada a tempo parcal y uno para jornada a tempo completo). En este modelo, todas las varables pueden tomar valor cero y todos los parámetros tenen un sgnfcado exacto y fáclmente nterpretable: Sexo \ Tpo jornada Tempo parcal Tempo completo Hombre salaro salaro Mujer salaro salaro En defntva, el salaro del hombre con contrato a tempo parcal se puede asocar drectamente con el valor del parámetro constante y, además, se converte en el valor de referenca sobre el que se puede comparar con el resto de los casos. El parámetro estmado β es la dferenca en el salaro entre la mujer con contrato parcal y el hombre con contrato del msmo tpo, etc. Tal y como se ha planteado este modelo, se está suponendo que las dferencas entre hombres a tempo parcal y completo son las msmas que entre las mujeres a tempo parcal y completo. En este tpo de modelos, para contrastar s estas dferencas no son las msmas, se suele nclur una varable explcatva más que recbe el nombre de nteraccón y que se especfcaría del sguente modo: salaro sexo jornada 4 sexo jornada u El parámetro β 4, en caso de resultar sgnfcatvamente dstnto de cero cuando se realce la estmacón, nos permtría contrastar la dferenca adconal en el salaro en el caso de una mujer a tempo completo. Ahora, la tabla para la nterpretacón de los parámetros quedaría del sguente modo: Sexo \ Tpo jornada Tempo parcal Tempo completo Hombre salaro salaro Mujer salaro salaro 4
Efectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesUN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES *
UN ANÁLISIS DE LAS DECISIONES DE FORMACIÓN DE HOGAR, TENENCIA Y DEMANDA DE SERVICIOS DE VIVIENDA DE LOS JÓVENES ESPAÑOLES * Mª Consuelo Colom, Rosaro Martínez y Mª Cruz Molés WP-EC 2000-02 Correspondenca:
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesComparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó
Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor
Más detallesTratamiento de datos experimentales. Teoría de errores
Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón
Más detallesCÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN COLOMBIA *
CÁLCULO DE LA TASA INTERNA DE RETORNO DE LA EDUCACIÓN EN * INTRODUCCIÓN Helmuth Yesd Aras Gómez ** Álvaro Hernando Chaves Castro *** El efecto de la educacón sobre el desarrollo económco tradconalmente
Más detallesESTRUCTURA DE MERCADO Y EFICIENCIA EMPRESARIAL EN EL TRANSPORTE AÉREO
2003 NÚMERO 808 INFRAESTRUCTURAS: TRANSPORTES E INDUSTRIAS DE RED ESTRUCTURA DE MERCADO Y EFICIENCIA EMPRESARIAL EN EL TRANSPORTE AÉREO María Belén Rey Legdos* La lberalzacón del transporte aéreo es un
Más detallesJordi Esteve Comas. Monográfico sobre inestabilidad financiera.
Jord Esteve Comas Cclos, tendencas y estaconaldad en la bolsa española Monográfco sobre nestabldad fnancera. Quaderns de Polítca Econòmca. Revsta electrònca. 2ª época. Vol. 10, Mayo -Agosto 2005 Edta:
Más detallesEl costo de oportunidad social de la divisa ÍNDICE
El Costo de Oportundad Socal de la Dvsa El costo de oportundad socal de la dvsa ÍNDICE. INTRODUCCIÓN. EL MARCO TEÓRICO 3. CÁLCULO DEL COSTO DE OPORTUNIDAD SOCIAL DE LA DIVISA 3. Nvel agregado 3. Nvel desagregado
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesEfectos de la temporalidad sobre los beneficios de las empresas manufactureras españolas
Efectos de la temporaldad sobre los benefcos de las empresas manufactureras españolas César Rodríguez Gutérrez Unversdad de Ovedo Códgo JEL: J21, J41 Palabras clave: Empleo temporal, benefcos, productvdad
Más detallesESTRUCTURA DE MERCADO DEL SISTEMA BANCARIO BOLIVIANO
ESTRUCTURA DE MERCADO DEL SISTEMA BANCARIO BOLIVIANO OSCAR A. DIAZ QUEVEDO * * El análss y conclusones del presente trabajo son de exclusva responsabldad del autor y no reflejan necesaramente la opnón
Más detallesMaterial realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera
Tema - MATEMÁTICAS FINANCIERAS Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura: Economía Fnancera Apuntes realzados por J. Davd Moreno y María Gutérrez Advertenca
Más detallesFUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN
FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN 1 CÁLCULO DE LOS FLUJOS NETOS DE CAJA Y TOMA DE DECISIONES DE INVERSIÓN PRODUCTIVA Peculardades
Más detalles8 MECANICA Y FLUIDOS: Calorimetría
8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS
Más detalles4 Contraste de hipótesis en el modelo de regresión múltiple
4 Contraste de hpótess en el modelo de regresón múltple Ezequel Urel Unversdad de Valenca Versón: 9-13 4.1 El contraste de hpótess: una panorámca 1 4.1.1 Formulacón de la hpótess nula y de la hpótess alternatva
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesDELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID
DELTA MATE OMAÓN UNETAA / Gral. Ampuda, 6 8003 MADD EXÁMEN NTODUÓN A LA ELETÓNA UM JUNO 008 El examen consta de ses preguntas. Lea detendamente los enuncados. tene cualquer duda consulte al profesor. Todas
Más detallesLa adopción y uso de las TICs en las Microempresas Chilenas
Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas
Más detallesColección de problemas de. Poder de Mercado y Estrategia
de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.
Más detallesConsideraciones empíricas del consumo de los hogares: el caso del gasto en electricidad y alimentos
Consderacones empírcas del consumo de los hogares: el caso del gasto en electrcdad y almentos Emprcal Consderatons of the Famles Consumpton: the Case uf the Expense n Electrcty and Food Maro Andrés Ramón
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesEl análisis de desviaciones sobre el resultado previsto
Tema 6 El análss de desvacones sobre el resultado prevsto Trabajar con presupuestos supone, como fase fnal lógca, el comparar las cfras prevstas con las reales, y proceder a un «análss de desvacones».
Más detallesIMPACTO DEL MICROCRÉDITO SOBRE LA POBREZA DEL INGRESO: UN ESTUDIO EN MERCADOS DE CRÉDITO URBANOS EN MÉXICO. Miguel Niño Zarazúa *
IMPACTO DEL MICROCRÉDITO SOBRE LA POBREZA DEL INGRESO: UN ESTUDIO EN MERCADOS DE CRÉDITO URBANOS EN MÉXICO Mguel Nño Zarazúa Resumen Este estudo presenta una estmacón del mpacto del mcrocrédto sobre la
Más detallesTERMODINÁMICA AVANZADA
ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón
Más detallesMedia es la suma de todas las observaciones dividida por el tamaño de la muestra.
Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,
Más detallesResumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange
TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley
Más detallesANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL:
Geografía y Sstemas de Informacón Geográfca (GEOSIG). Revsta dgtal del Grupo de Estudos sobre Geografía y Análss Espacal con Sstemas de Informacón Geográfca (GESIG). Programa de Estudos Geográfcos (PROEG).
Más detallesMateriales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.
Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables
Más detalles2.1. Sustancias puras. Medida de los cambios de entalpía.
2 Metalurga y termoquímca. 7 2. Metalurga y termoquímca. 2.1. Sustancas puras. Medda de los cambos de entalpía. De acuerdo a las ecuacones (5 y (9, para un proceso reversble que ocurra a presón constante
Más detallesIntroducción al riesgo de crédito
Introduccón al resgo de crédto Estrella Perott Investgador Senor Bolsa de Comerco de Rosaro eperott@bcr.com.ar. Introduccón El resgo credtco es el resgo de una pérdda económca como consecuenca de la falta
Más detallesTEMA 1: PROBABILIDAD
robabldad TEM : ROBBILIDD Índce del tema Índce del tema.. Introduccón 2.2. Defncón de probabldad 3.2.. ropedades nmedatas 3 Ejemplo 7 Ejemplo 2 8 Ejemplo 3 9.3. robabldad condconada 0.3.. Introduccón 0.3.2.
Más detallesTERMODINÁMICA AVANZADA
TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón
Más detallesProf. Antonio Santillana del Barrio y Ainhoa Herrarte Sánchez Universidad Autónoma de Madrid Curso 2012-2013
Tema 6 El modelo IS-LM Prof. Antono Santllana del Barro y Anhoa Herrarte Sánchez Unversdad Autónoma de Madrd Curso 2012-2013 Bblografía oblgatora Capítulo 5, Macroeconomía, (Blanchard et al) Apuntes de
Más detallesComplementos al ABC: efectos dinámicos
Complementos al ABC: efectos dnámcos CAF - CEPAL P. Rozas & J. Rvera Buenos Ares, juno de 2008 Varables y fuentes de nformacón Encuesta de Hogares de dversos años de los países en estudo.- Bolva: Encuesta
Más detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Más detallesCAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS
CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos
Más detallesDiseño y Análisis de Experimentos en el SPSS 1
Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se
Más detallesFUNDAMENTOS QUIMICOS DE LA INGENIERIA
FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE
Más detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detallesEFICIENCIA Y REGULACIÓN EN EL GASTO SANITARIO EN LOS PAÍSES DE LA OCDE. Documentos Ocasionales N.º 1107. Pablo Hernández de Cos y Enrique Moral-Benito
EFICIENCIA Y REGULACIÓN EN EL GASTO SANITARIO EN LOS PAÍSES DE LA OCDE 2011 Pablo Hernández de Cos y Enrque Moral-Bento Documentos Ocasonales N.º 1107 EFICIENCIA Y REGULACIÓN EN EL GASTO SANITARIO EN LOS
Más detallesDESCOMPOSICIÓN EN REGRESIÓN LINEAL: UN NUEVO MÉTODO PARA ANÁLISIS DE DETERMINANTES Y TOMA DE DECISIONES
RESUMEN INVESTIGACIÓN & DESARROLLO, No. 7: 5 4 (007) ISSN 1814-6333 DESCOMPOSICIÓN EN REGRESIÓN LINEAL: UN NUEVO MÉTODO PARA ANÁLISIS DE DETERMINANTES Y TOMA DE DECISIONES Ernesto Cupé C. Centro de Investgacones
Más detallesPRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)
SECREARÍA ENERAL ÉCNICA MINISERIO DE ARICULURA, ALIMENACIÓN Y MEDIO AMBIENE SUBDIRECCIÓN ENERAL DE ESADÍSICA PRECIOS MEDIOS ANUALES DE LAS IERRAS DE USO ARARIO (MEODOLOÍA) OBJEIVO: Desde 1983 el Mnstero
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesTEORÍA DE MEDIDAS INTRODUCCIÓN
Teoría de Meddas TEORÍA DE MEDIDAS ITRODUCCIÓ Las cencas epermentales operan con valores numércos que se obtenen como resultado de efectuar meddas de varables, por ejemplo una temperatura, una longtud
Más detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más detallesLA EFICIENCIA RELATIVA DE LASCOMPAÑÍAS DE TRANSPORTE
LA EFICIENCIA RELATIVA DE LASCOMPAÑÍAS DE TRANSPORTE AEREO. María Belén Rey Legdos. Departamento de Economía Aplcada II. Facultad de CC Económcas. Unversdad Complutense de Madrd. 1. Introduccón. El objetvo
Más detallesMaestría en Economía Facultad de Ciencias Económicas Universidad Nacional de La Plata TESIS DE MAESTRIA. ALUMNO Laura Carella. DIRECTOR Alberto Porto
Maestría en Economía Facultad de Cencas Económcas Unversdad Naconal de La Plata TESIS DE MAESTRIA ALUMNO Laura Carella TITULO Educacón unverstara: medcón del rendmento académco a través de fronteras de
Más detallesMatemática Financiera Sistemas de Amortización de Deudas
Matemátca Fnancera Sstemas de Amortzacón de Deudas 7 Qué aprendemos Sstema Francés: Descomposcón de la cuota. Amortzacones acumuladas. Cálculo del saldo. Evolucón. Representacón gráfca. Expresones recursvas
Más detallesGUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22
DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.
Más detallesTEMA 6 AMPLIFICADORES OPERACIONALES
Tema 6 Amplfcadores peraconales ev 4 TEMA 6 AMPLIFICADES PEACINALES Profesores: Germán llalba Madrd Mguel A. Zamora Izquerdo Tema 6 Amplfcadores peraconales ev 4 CNTENID Introduccón El amplfcador dferencal
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesCréditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias
Crédtos Y Sstemas de Amortzacón: Dferencas, Smltudes e Implcancas Introduccón Cuando los ngresos de un agente económco superan su gasto de consumo, surge el concepto de ahorro, esto es, la parte del ngreso
Más detallesPRACTICA 4. Asignatura: Economía y Medio Ambiente Titulación: Grado en ciencias ambientales Curso: 2º Semestre: 1º Curso
PRACTICA 4 Asgnatura: Economía y Medo Ambente Ttulacón: Grado en cencas ambentales Curso: º Semestre: 1º Curso 010-011 Profesora: Inmaculada C. Álvarez Ayuso Inmaculada.alvarez@uam.es PREGUNTAS TIPO TEST
Más detallesProcedimiento de Calibración. Metrología PROCEDIMIENTO DI-010 PARA LA CALIBRACIÓN DE COMPARADORES MECÁNICOS
Procedmento de Calbracón Metrología PROCEDIMIENTO DI-00 PARA LA CALIBRACIÓN DE COMPARADORES MECÁNICOS La presente edcón de este procedmento se emte exclusvamente en formato dgtal y puede descargarse gratutamente
Más detallesDesigualdad de oportunidades y el rol del sistema educativo en los logros de los jóvenes uruguayos
Desgualdad de oportundades y el rol del sstema educatvo en los logros de los jóvenes uruguayos Cecla Llambí Marcelo Perera Pablo Messna Febrero de 2009 Esta nvestgacón fue fnancada por el Fondo Carlos
Más detalles2.5 Especialidades en la facturación eléctrica
2.5 Especaldades en la facturacón eléctrca Es necesaro destacar a contnuacón algunos aspectos peculares de la facturacón eléctrca según Tarfas, que tendrán su mportanca a la hora de establecer los crteros
Más detallesIncertidumbre de la Medición: Teoría y Práctica
CAPACIDAD, GESTION Y MEJORA Incertdumbre de la Medcón: Teoría y Práctca (1 ra Edcón) Autores: Sfredo J. Sáez Ruz Lus Font Avla Maracay - Estado Aragua - Febrero 001 Copyrght 001 L&S CONSULTORES C.A. Calle
Más detallesUNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II
UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con
Más detallesUna aproximación empírica a los efectos del comercio internacional sobre la. productividad y el empleo de las manufacturas españolas
Una aproxmacón empírca a los efectos del comerco nternaconal sobre la productvdad y el empleo de las manufacturas españolas Ignaco del Rosal Fernández Departamento de Economía Aplcada Unversdad de Ovedo
Más detallesClase 25. Macroeconomía, Sexta Parte
Introduccón a la Facultad de Cs. Físcas y Matemátcas - Unversdad de Chle Clase 25. Macroeconomía, Sexta Parte 12 de Juno, 2008 Garca Se recomenda complementar la clase con una lectura cudadosa de los capítulos
Más detallesCAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales
CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología
Más detallesANEXO METODOLOGÍA EVALUACIÓN DE IMPACTO
GOBIERNO DE CHILE MINISTERIO DE HACIENDA Dreccón de Presupuestos ANEXO METODOLOGÍA EVALUACIÓN DE IMPACTO Dvsón de Control de Gestón Santago, Mayo 2009 CHILE PRESENTACIÓN * El anexo que a contnuacón se
Más detalles