Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid 2013

Transcripción

1 Tema 2: Aálisis gráfico esadísico de relacioes Uiversidad Compluese de Madrid 2013

2 Aálisis gráfico descripivo de ua variable (I) Daos de series emporales: Evolució aual de la rea el Cosumo per cápia e EEUU Rea per cápia EEUU Cosumo per cápia EEUU c Los dos gráficos muesra ua clara edecia creciee comú durae los años 1959 hasa

3 Aálisis gráfico descripivo de ua variable (II) Rea per cápia e EEUU () Esadísicos pricipales, usado las observacioes para la variable '' (37 observacioes válidas) 0, , ,0001 8e-005 Esadísico para el corase de ormalidad: Chi-cuadrado(2) = 4,095 [0,1291] N( ,8) Media 13940, Mediaa 14099, Míimo 8604,3 Máximo 18803, Desviació ípica 3209,8 C.V. 0,23025 Asimería -0,17109 Exc. de curosis -1,1960 Desidad 6e-005 4e-005 2e Cuao más parecidas so la media la mediaa, más homogéea es la muesra. Como medidas de dispersió, además de la Desviació ípica (DT), se calcula el Coeficiee de Variació (C.V) como el raio ere la DT la 3 media (e valor absoluo). Ese coeficiee es adimesioal.

4 Aálisis gráfico descripivo de ua variable (III) Cosumo per cápia e EEUU (c) Esadísicos pricipales, usado las observacioes para la variable 'c' (37 observacioes válidas) 0, , , ,0001 Esadísico para el corase de ormalidad: Chi-cuadrado(2) = 3,725 [0,1553] c N( ,2) Media 11329, Mediaa 11481, Míimo 7274,9 Máximo 15203, Desviació ípica 2505,2 C.V. 0,22114 Asimería -0, Exc. de curosis -1,2195 Desidad 8e-005 6e-005 4e-005 2e c Los momeos de ercer cuaro orde so la asimería el exceso de curosis, sabiedo que la curosis de ua Normal es res. E esos daos, ha defeco de curosis. Se dibuja el hisograma de los daos free a la ormal se 4 calcula u esadísico para corasar ormalidad.

5 wage Aálisis gráfico descripivo de dos variables (IV) Daos de secció cruzada: Salario (wage) e dólares por hora e fució del ivel de educació del idividuo Y = 6,19 + 1,44X wage co respeco a educ (co ajuse míimo-cuadráico) Se represea el salario (wage) de 1472 idividuos co respeco a su educació (medida e 5 iveles). El ivel 1 es el de más baja educació el 5 el más alo. Obsérvese que para u mismo ivel de educació, ha varios idividuos co salarios mu diferees ,5 2 2,5 3 3,5 4 4,5 5 educ Se aprecia ua clara asociació posiiva ere salario educació, pero o esá clara ua relació lieal ere ambas variables 5

6 Aálisis gráfico descripivo de dos variables (V) Salario e dólares por hora Esadísicos pricipales, usado las observacioes para la variable 'wage' (1472 observacioes válidas) Media 11,051 Mediaa 10,127 Míimo 2,1910 Máximo 47,576 Desviació ípica 4,4505 C.V. 0,40274 Asimería 1,9534 Exc. de curosis 7,3180 Desidad 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Esadísico para el corase de ormalidad: Chi-cuadrado(2) = 713,391 [0,0000] wage wage N(11,051 4,4505) El hisograma de los daos de salarios muesra u elevado exceso de curosis (7,318), es decir, ua disribució mucho más apuada que la disribució ormal. El corase rechaza la hipóesis de ormalidad co oal coudecia. Aveces,ua variable e ivel o es ormal, pero sí e logarimos. El logarimo corae los valores uméricos grades expade los valores pequeños. Por ello, 6 esa rasformació iduce ormalidad.

7 Aálisis gráfico descripivo de dos variables (VI) Tablas cruzadas: oro isrumeo descripivo para seccioes cruzadas Tabulació cruzada de educ (filas) cora male (columas) [ 0][ 1] TOT. [ 1] [ 2] [ 3] [ 4] [ 5] TOTAL Supoga que además de la variable deeducació, se iclue iformació sobre el sexo del idividuo (male: 1 si es hombre, 0 si es mujer) La abla cruzada de la izquierda iforma que de u oal de 1472 idividuos 579 so mujeres 893 so hombres. Además iforma de cuáas mujeres hombres iee cada ivel de educació cosiderado (del 1 al 5) 7

8 Regresió lieal simple (I) U paso adicioal al aálisis gráfico /o descripivo de los daos es cosruir u modelo lieal que relacioe dos variables. El más secillo es el llamado modelo de regresió lieal simple, e dode ua variable de ierés (edógea) viee explicada por la evolució de ora llamada variable explicaiva (exógea). Ejemplo: la fució de Cosumo Keesiaa dode la variable edógea es el Cosumo (C) la variable explicaiva es la Rea (R). 8

9 Regresió lieal simple (II) Y = 463, + 0,779X Cosumo co respeco a Rea EEUU Se quiere esimar la fució de cosumo C R 0 1 Cosumo Cˆ ˆ ˆ R Rea dode b 0 b 1 so los parámeros de la regresió, ierpreados como el cosumo auóomo la propesió margial a cosumir, respecivamee. El error e es aleaorio cualquier variable diferee a la Rea que explique el Cosumo e ese momeo esará recogido e él. Si el modelo es lieal, ua esimació posible es ua reca llamada RECTA DE AJUSTE. La disacia ere cada puo de la ube lareca de ajuse es el residuo Se dibuja e el plao el par de valores de Cosumo Rea observados e cada año (NUBE DE PUNTOS REAL).

10 Regresió lieal simple (III) El residuo es medible, iee sigo la misma uidad de medida que el cosumo. Se calcula para cada isae de iempo, como la disacia ere el valor del cosumo observado C el valor de cosumo geerado o ajusado por el modelo C. Es decir: Los residuos se puede dibujar (e ese caso, a lo largo del iempo). Nóese que mieras que el error es o observable, el residuo se calcula. ˆ Cˆ ˆ C 10

11 Regresió lieal simple (IV) Gráfico emporal de los residuos de la regresió lieal simple del Cosumo co respeco a la Rea e érmios per cápia para EEUU residuo Residuos de la regresió (= c observada - esimada) El gráfico de la izquierda muesra la evolució emporal de los residuos resulaes (e alguos años posiivos, e oros cero e oros egaivos). Si el residuo es posiivo e ese año el Cosumo observado supera al esimado por la reca, luego el modelo ifraesima el verdadero valor del Cosumo. Si el residuo es cero, e ese año la reca ajusa perfecamee si es egaivo, el modelo sobresima el verdadero dao del Cosumo. 11

12 Regresió lieal simple (V) c esimada observada c observada esimada El gráfico de la izquierda muesra la evolució cojua del Cosumo observado del Cosumo ajusado ( o esimado) por el modelo (reca de ajuse). La disacia e cada año de la muesra es el residuo MCO El residuo iee la misma escala que el Cosumo Ese gráfico el de los residuos resulaes, ofrece la misma iformació. 12

13 Regresió lieal simple (VI) Objeivo: Esimar los parámeros de ua regresió simple de forma que se cumpla algú crierio de opimalidad. Si el crierio es miimizar la suma de los cuadrados de los residuos: 2 2 ˆ ˆ ˆ ˆ C C C 0 1R mi mi mi 2 Esimació por MCO (Míimos Cuadrados Ordiarios) 13

14 Regresió lieal simple (VII) 2 2 ˆ ˆ ˆ C 0 1R 1 1 mi mi ( ) Codicioes de primer orde: 1 ˆ 1 ˆ ˆ 0 ˆ ( C ˆ ˆ R ) ( C ˆ ˆ R ) R

15 Regresió lieal simple (VIII) Ese es u sisema de dos ecuacioes co dos icógias Resolviedo: C ˆ ˆ R 0 ˆ C ˆ R ˆb 0 ˆb 1 CR CR ( C C)( R R) ˆ R R ( R R) 1 1 dode C R so las medias muesrales de Cosumo Rea 15

16 Regresió lieal simple (IX) Recapiulado, dado siguiee el modelo lieal simple C = b + br + e 0 1 ua muesra de amaño de las variables C R la esimació puual por MCO de los dos parámeros se lleva a cabo esimado primero la pediee luego, la cosae: ˆ 1 1 ( C C)( R R) 1 ( R R) 2 ˆ C ˆ R

17 Regresió lieal simple (X) Relació de la esimació de la pediee co el coeficiee muesral de correlació lieal ere las dos variables: CR cov[ ˆ CR] var[ ˆ C ] var[ ˆ R ] ˆ 1 cov[ ˆ CR] var[ ˆ R ] 17

18 Regresió lieal simple (XI) Por ao: CR cov[ ˆ CR] var[ ˆ R ] var[ ˆ C ] var[ ˆ R ] var[ ˆ R ] ˆ var[ ˆ R ] ˆ se[ R ] CR 1 1 var[ ˆ C ] se[ C ] dode s e [ ] deoa la desviació ípica muesral de la variable. No so iguales, sio direcamee proporcioales iee el mismo sigo. El coeficiee de correlació es adimesioal esá acoado ere

19 Regresió lieal simple (XII) Coeficiee de correlació ere Cosumo Rea corr(c, ) = 0, Modelo: MCO, usado las observacioes (T = 37) Variable depediee: c Coeficiee Desv. Típica Esadísico Valor p cos 463,177 98,7912 4,688 4,10e-05 *** 0, , ,8 1,99e-046 *** Media de la vble. dep ,65 D.T. de la vble. dep. 2505,241 Suma de cuad. residuos ,4 D.T. de la regresió 133,0920 R-cuadrado 0, R-cuadrado corregido 0, F(1, 35) 12720,51 Valor p (de F) 1,99e-46 Log-verosimiliud -232,4412 Crierio de Akaike 468,8824 Crierio de Schwarz 472,1042 Cri. de Haa-Qui 470,0182 E la regresió lieal simple, el coeficiee de correlació lieal simple al cuadrado coicide co el R-cuadrado ( ) 19

20 Trasformació logarímica semilogarímica Modelo eórico Ierpreació maemáica Ierpreació cocepual x x Cambio esperado e cuado x aumea e ua uidad l l x % % x Elasicidad. Cambio porceual e cuado x aumea e u 1% x l l x % 100 x 100 % x Semielasicidad. Cambio porceual e cuado x aumea e 1 uidad Semielasicidad. Cambio e e uidades cuado x aumea e u 1%

21 Daa Se 1: Daos de Ascombe (I) Usado los daos de Ascombe dispoibles e los archivos de daos de muesra de Grel, se pide esimar por MCO las cuaro regresioes simples siguiees: x x x x

22 Daa Se 1: Daos de Ascombe (II) Y1 8 Y X1 14 X Y3 8 Y X1 X2

23 Tareas a realizar por el alumo (1) Esimar por MCO las cuaro regresioes lieales usado Grel. (2) Especificar esimar oras relacioes ere 2 x1 de forma que el ajuse de los daos mejore. Por ejemplo, pruebe a iroducir como regresores x1 su cuadrado, o bie, susiuir x1 por su logarimo eperiao. (3) Reesime la regresió de 3 sobre x1, elimiado el ercer par de valores de ambas variables. Cómo cambia los resulados? (4) Es posible esimar la regresió de 4 sobre x2, elimiado el ocavo par de valores de ambas variables? Calcule la variaza muesral de x2 la variaza de la pediee de la regresió.