REGRESION, CORRELACION LINEAL SIMPLE (COVARIANZA)

[pic 1]

PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR SEDE SANTO DOMINGO

Dirección Académica – Escuela de Ciencias Administrativas

Carrera: Administración y Contabilidad

Asignatura:

Estadística Inferencial

TEMA:

REGRESION, CORRELACION LINEAL SIMPLE (COVARIANZA)

Línea de Investigación: Desarrollo Empresarial y Social.

Autor:

Cesar Joel Narváez Ordoñez  

Asesor:

Ing. ÁNGEL RAMÓN SABANDO GARCÍA, Mg.

Santo Domingo, 04 de enero del 2021[pic 2]

1. Tabla de contenido

1.        INTRODUCCIóN        5

1.1.        REGRESIÓN LINEAL        5

1.2.        CORRELACIÓN DE PEARSON O COVARIANZA        5

1.3.        SUPUESTOS EN LA CORRELACIÓN LINEAL        5

1.4.        AUTOCORRELACIÓN DE DURBIN Y WATSON        5

2.        RESULTADOS        6

3.        rEFERENCIAS BIBLIOGRÁFICAS        14

ÍNDICE DE TABLAS

Tabla 1 Distribucion normal para los estados financieros        6

Tabla 2 Correlacion bivariada de pearson para los estados financieros        7

Tabla 3 Analisis descriptivo para las ventas y las cuentas por cobrar        8

Tabla 4 Prueba de normalidad para los residuos del modelo        9

Tabla 5 Prueba de aleatoriedad para los residuos        10

Tabla 6 Analisis de la varianza para el modelo de la regreción no lineal        11

Tabla 7 Analisis de la tabla de los coeficientes de la linea de regresion        11

Tabla 8 Analisis del resumen del modelo de la correlacion de pearson        12

ÍNDICE DE FIGURAS         

Figura 1 Grafico de la dispersión de ventas de las cuentas por cobrar        7

Figura 2 Grafico no lineal de ventas por las cuentas por cobrar        8

Figura 3 Comportamiento de la normalidad residual del modelo financiero arriba        10

1. INTRODUCCIóN

1. REGRESIÓN LINEAL

La representación del modelo de regresión lineal en sí es que su relación es entre dos o más variables y viene dada por un modelo formal. Se trata de contar mediante expresiones lineales lógico-matemáticas, y esta relación permitirá su ejecución. Predicción de valor, que tomará una de dos variables, llamada variable de respuesta, la variable dependiente Y, asumiendo el valor de la otra variable independiente o variable predictora X

1. CORRELACIÓN DE PEARSON O COVARIANZA

La correlación de Pearson en sí es un método estadístico, también conocido como coeficiente de correlación de Pearson, se considera como una de las medidas de correlación lineal entre dos variables aleatorias, porque en la correlación de Pearson, la variable será independiente de la cantidad La variable de escala de medición de la tabla.

1. SUPUESTOS EN LA CORRELACIÓN LINEAL

Se debe considerar que para poder realizar y crear un modelo de regresión lineal se deben cumplir los supuestos, principalmente porque debo tener no linealidad, es decir, hay una relación lineal entre las variables. Si las variables deben seguir la ley, es normal. Es normal, no colinealidad, es decir, las variables independientes no están relacionadas entre sí.

1. AUTOCORRELACIÓN DE DURBIN Y WATSON

Dentro de este modelo estadístico de Durbin-Watson, se utiliza especialmente para detectar si existe autocorrelación en el análisis desarrollado en el análisis de regresión.

1. RESULTADOS

EJERCICIO 1

Ugando, M. (2019), realiza un estudio sobre la planeación financiera aplicada: predicción de requerimientos financieros de acuerdo a niveles de ventas netas de las pequeñas y mediana empresas (PYMES) de la Provincia de los Tsáchilas.  En la  actualidad en el contexto de desarrollo de la gestión financiera operativa es la construcción de un modelo económico financiero, matematico o estadistico, con el fin de los analistas financieros conozcan cómo cree que va a evolucionar la empresa. Jaffe, (2012). Nadie puede predecir con certeza el futuro, pero un cuidadoso análisis de la situación de la empresa y su entorno debe ayudar a una mejor aproximación del mismo. En esta investigación de naturaleza longitudinal inferencial, los análisis de pronósticos de las ventas en dependencia de las variables Efectivo en Caja (EC), Efectivo en Banco (EB), Efectos por Cobrar (EC), Cuentas por Cobrar a clientes (CC) e Inventarios o Existencias (I).  Para el diseño de la muestra se acumuló toda la información referente a los Estados Financieros que poseía el grupo Pyme-CASH para los últimos cuatro años analizados, desde Enero 2014 hasta el cierre del año 2018. Aquelllos datos se describen a continuación

1. Determine las variables

Variables predictoras (causales) cuentas por pagar ,cuentas por cobrar ,Inventarios y la cuenta Banco .

Variable dependiente (resultados)  Ventas  

1. Realizar la distribucion normal todas las variables. (metodo no parametrico)[pic 3]

[pic 4]

[pic 5]

Fuente: Base de datos de las Pymes; Elaborado por: Cesar Joel Narváez Ordoñez  

1. Realizar la correlacion bivariada de Pearson

[pic 6][pic 7]

[pic 8][pic 9]

[pic 10]

Fuente: Base de datos de las Pymes; Elaborado por: Cesar Joel Narváez Ordoñez  

1. Determine que variables se va a emplear en el modelo de la regresion lineal simple.

Como variable predictora: Cuentas por cobrar

Como variable dependiente: Las ventas  

1. Realizar un gráfico de dispersión y agregar el coeficiente de regresión      [pic 11]

[pic 12]

       Fuente: Base de datos de las Pymes; Elaborado por: Cesar Joel Narváez Ordoñez  

...