REGRESIÓN LINEAL SIMPLE, MÚLTIPLE, LOGÍSTICA Y MEDIAS MÓVILES

UNIVERSIDAD PRIVADA DE TACNA

FACULTAD DE CIENCIAS EMPRESARIALES

[pic 1]

TEMA:

REGRESIÓN LINEAL SIMPLE, MÚLTIPLE, LOGÍSTICA  Y MEDIAS MÓVILES

ALUMNOS:

Keyla E. Maraza Mamani

Gherson Miguel Inga Calderon

Diego Salas Urdanivia

Henry Mamani Barrios

2016

TACNA - PERU

1. INTRODUCCIÓN

La econometría es una disciplina que surge como necesidad de explicar cuantitativamente fenómenos o teorías que se dan en la realidad, si bien es sabido que la realidad no se puede modelar, a través de modelos econométricos se puede explicar gran parte de ella, lo cual contribuye en gran medida a la toma de decisiones en cualquier ámbito.

La econometría es una aproximación científica al análisis de los fenómenos económicos, sociales etc.

La presente monografía es un material que sirve de apoyo a los estudios del mismo tanto para estudiantes

1. Objetivos

• Desarrollar el modelo de regresión lineal simple y múltiple.
• Utilizar en caso práctico el modelo de regresión lineal simple y modelo de regresión lineal múltiple.
• Conceptualizar, idealizar y dar uso las medias móviles.
• Utilizar el método de medias móviles y desarrollar un caso práctico local.

1. Justificación.

Mediante la presente investigación se tratara de dar una nueva perspectiva al problema, para así poder determinar y a la vez identificar en si el núcleo  del asunto que es de interés nacional que de investigarse se hará un aporte importante,  además continuara en investigaciones futuras ya sean a mediano o cortó plazo

1. Alcance.

Gobiernos (nacionales y locales)

Sociedad en común

1. Metodología y técnicas

1. Modelo de regresión lineal simple y múltiple:

Para este propósito se recurrirá a la técnica de regresión. Aquí analizaremos el caso más sencillo en el que se considera únicamente la relación entre variables. Así mismo, nos limitaremos al caso en el que la relación que se pretende modelizar es de tipo lineal y para el otro caso uno múltiple.

La llamada teoría clásica de la inferencia estadística consta de dos ramas, a saber: estimación y pruebas de hipótesis. Hasta el momento hemos estudiado el tema de la estimación de los parámetros del modelo de regresión lineal (con dos variables). Mediante el método de MCO fue posible estimar los parámetros β1, β2 y σ2. Con los supuestos del modelo clásico de regresión lineal (MCRL) demostramos que los estimadores de dichos parámetros, βˆ 1, βˆ 2 y σˆ 2, satisfacen varias propiedades estadísticas deseables, como el insesgamiento, la varianza mínima, etc. (Recuerde la propiedad MELI.) Observe que, en vista de que son estimadores, sus valores cambiarán de muestra en muestra.

Por consiguiente, tales estimadores son variables aleatorias. Pero la estimación es sólo la mitad de la batalla. Las pruebas de hipótesis constituyen la otra mitad. Tenga presente que, en el análisis de regresión, nuestro objetivo no sólo consiste en estimar la función de regresión muestral (FRM), sino también en utilizarla para obtener inferencias respecto de la función de regresión poblacional (FRP), como destacamos en el capítulo 2. Así, es conveniente saber qué tan cerca está βˆ1 del verdadero valor de β1, o qué tan cerca está σˆ 2 del verdadero σ2.

El análisis de regresión implica que se determine una relación entre una variable dependiente (Balanza comercial) y una variable independiente (por ejemplo, exportaciones e importaciones). Este método implica la verificación de la relación de las variables asociadas con la teoría económica.

Algunos aspectos del análisis de regresión lineal se insertan bien en el marco del modelo de regresión lineal con dos variables que hemos analizado hasta ahora. Primero consideraremos la regresión a través del origen, es decir, una situación en la cual el término del intercepto, β1, está ausente del modelo. Luego veremos el tema de las unidades de medición, o la forma como se midieron X y Y, y cómo un cambio en las unidades de medición afecta los resultados de la regresión. Por último, abordaremos el tema de la forma funcional del modelo de regresión lineal. Hasta el momento, consideramos modelos lineales en los parámetros y en las variables. Sin embargo, recuerde que la teoría de regresión de los capítulos anteriores sólo exige linealidad en los parámetros; las variables pueden o no entrar linealmente en el modelo. Al considerar modelos que son lineales en los parámetros, pero no necesariamente en las variables, en este capítulo mostraremos la forma como el modelo de dos variables resuelve algunos problemas prácticos de interés.

1. Medias móviles:

Las medias móviles continúan siendo una herramienta básica en lo que se refiere a determinar tendencias y para lanzar señales en los mercados. Aunque hay muchas formas para usarlas, algunas de ellas tienden a ser más efectivas que otras. Mientras que algunos indicadores técnicos siguen siendo más populares que otros, algunos de ellos han probado ser mas objetivos, confiables y de mejor uso. Muy a menudo corredores de bolsa recurren a la aplicación de análisis técnico con el propósito de seguir tendencias en los mercados financieros y así poder analizar las fluctuaciones en los precios diariamente. La forma más simple de media móvil, la media móvil simple (SMA) se calcula al agregar el precio de cierre de una acción en un periodo de tiempo determinado y después hay que dividirlo por el número total de periodos que se ha usado. Las medias a corto tiempo responden rápidamente a los cambios bruscos en los precios de una determinada acción mientras que las medias móviles de largo plazo reaccionan en una forma más lenta en estas situaciones.

• Uso de las medias móviles:

Una propuesta básica para utilizar medias móviles es identificar cual es la tendencia de precios que el inversionista desea monitorear y cuál de los periodos es el adecuado para producir una ganancia rápida y segura.

Es decir, cuando el precio está por debajo de la media móvil es una indicación de un mercado a la baja en relación al tamaño de tiempo usado para analizar la tendencia del mercado, del otro lado podemos decir que cuando el precio del mercado está por encima de la media móvil es una indicación alcista.

...