CURSO: ANALISIS DE REGRESION                                       

 Regresar a página Cursos:         

SUMILLA

Comprende al estudio del modelo lineal general y su estimación usando desviaciones. Procedimiento general para las pruebas de hipótesis. Uso de los modelos reducidos para la prueba de hipótesis. Estimación del poder de una prueba de hipótesis. Pruebas de bondad de ajuste. Uso de los mínimos cuadrados generalizados y de la matriz inversa generalizada. Estudio de modelos polinomiales y autoregresivos. Comprende al estudio de las técnicas para la selección de variables en los modelos y al estudio de residuales. Uso de variables ficticias. Estudio de las violaciones en los supuestos clásicos para la estimación de modelos lineales. Estimación de modelos no linealizables: Logístico y Gompertz. Análisis de puntos influyentes y tratamiento de los puntos extremos. Estimación de modelos con variable dependiente binaria. Estimación de funciones de producción.
                                                                     

OBJETIVOS GENERALES

Estudiar los supuestos clásicos para la estimación del modelo lineal general y evaluar las principales técnicas para realizar las pruebas de hipótesis sobre sus parámetros con el fin de permitir la selección de los mejores modelos.

• Conocer los supuestos clásicos que fundamentan a la estimación del modelo lineal general.
• Evaluar el uso de las desviaciones en la estimación del modelo lineal general.
• Estudiar el procedimiento general para las pruebas de hipótesis y estimar el poder de la prueba.
• Evaluar la bondad de ajuste en los modelos estimados.
• Estudiar los mínimos cuadrados generalizados
• Conocer las técnicas para estimar modelos polinomiales y el uso de variables ficticias
• Evaluar los métodos para la selección de variables en los modelos
• Estudio de los residuales, de la autocorrelación y de la multicolinealidad
• Estudio de modelos Logístico y Gompertz
• Análisis de puntos influyentes y tratamiento de los outliers.
• Estimación de modelos con variable dependiente binaria.

CONTENIDO

Capítulo I: Modelo Lineal General
Introducción. Descripción del modelo lineal general, supuestos clásicos para su estimación (caso I y II). Propiedades de los estimadores. Uso de las desviaciones para la estimación de modelos. Evaluación e interpretación de los indicadores del análisis de la variancia. Sesgo en las estimaciones del modelo. Prueba de bondad de ajuste de un modelo.

Capítulo II: Pruebas de Hipótesis
Procedimiento general para las pruebas de hipótesis en los modelos lineales. Uso de los modelos reducidos para las pruebas de hipótesis. Estimación del criterio de prueba y de los estimadores restringidos por las hipótesis. Determinación del poder de una prueba de hipótesis. Aplicaciones.

Capítulo III: Mínimos Cuadrados Generalizados
Estimación de modelos lineales mediante los mínimos cuadrados generalizados. Propiedades de las estimaciones. Aplicaciones.

Capítulo IV: Modelos Polinomiales
Estimación de modelos polinomiales. Transformaciones lineales. Linealización de modelos. Propiedades y aplicaciones. Estimaciones de funciones de producción. Aplicaciones.

Capítulo V: Variables Artificiales en el Modelo Lineal General
Uso de las variables artificiales o ficticias (Dumy) en los modelos. Estimación de modelos por tramos. Estimación de tramos lineales y cuadráticos. Análisis de covariancia. Aplicaciones

Capítulo VI: Selección de Variables en el Modelo Lineal General
Métodos para la selección de variables a incluir en el modelo: Forward, Bacwrad y Stepwise. Análisis de los residuales. Aplicaciones.

Capítulo VII: Violaciones de los Supuestos en el Modelo Lineal General
Heterocedasticidad, Autocorrelación y Multicolinealidad. Aplicaciones

Capítulo VIII: Regresión Variable Dependiente Dicotómica
Análisis de regresión con una variable dependiente dicotómica. Modelos de Probabilidad Lineal (MPL), Modelos Logit y Probit. Aplicaciones

Capítulo IX: Modelos No Linealizables
Estudio y estimación del modelo Logístico. Modelo de Gompertz. Aplicaciones

Capítulo X: Valores Extremos.
Análisis de puntos influyentes y tratamiento de los valores extremos (outliers). Aplicaciones

Capítulo XI: Inversa Generalizada
Definición de la matriz inversa generalizada, usos y aplicaciones. Propiedades. Solución de ecuaciones lineales.

METODOLOGIA

Para el desarrollo del curso se tendrán los lineamientos siguientes:

• Se presentará la base teórica a través de ayudas audiovisuales.
• Los alumnos participarán activamente en el desarrollo del curso mediante la ejecución de investigaciones de alcance limitado cuyos resultados serán presentados comentados en clase tratando de identificar fortalezas y debilidades del trabajo realizado. Asimismo, se comentara los alcances y las limitaciones de los métodos utilizados.
• Los participantes realizarán un trabajo grupal sobre la estimación de un modelo

EVALUACION

La evaluación comprende 4 prácticas calificadas, 1 trabajo experimental, examen parcial y examen final

BIBLIOGRAFIA