Para el siguiente modelo se busca comparar el impacto que tienen las inversiones en educación en ... more Para el siguiente modelo se busca comparar el impacto que tienen las inversiones en educación en el crecimiento económico de México, para eso es necesario analizar la relación que hay en estas dos variables a través de regresiones correlaciones y técnicas de análisis de datos descritas a continuación. La interpretación moderna de la regresión en términos generales, se afirma que: El análisis de regresión trata del estudio de la dependencia de una variable (variable dependiente) respecto de una o más variables (variables explicativas) con el objetivo de estimar o predecir la media o valor promedio poblacional de la primera en términos de los valores conocidos o fijos (en muestras repetidas) de las segundas. (CITA) El análisis de correlación se relaciona de manera estrecha con el de regresión, aunque conceptualmente los dos son muy diferentes. En el análisis de correlación, el objetivo principal es medir la fuerza o el grado de asociación lineal entre dos variables. El coeficiente de correlación, mide esta fuerza de asociación (lineal): por ejemplo, si se desea encontrar la correlación (coeficiente) entre número de ingresados a la universidad y el número de patentes que son registradas o entre la cantidad destinada a la educación y el número de egresados de un nivel superior. En el análisis de regresión, como ya mencionamos, no interesa ese tipo de medición. En cambio, se trata de estimar o predecir el valor promedio de una variable con base en los valores fijos de otras. Así, quizá se desee predecir el promedio de las patentes que se registraran a partir de cierto incremente en el dinero destinado a educación. La regresión y la correlación presentan diferencias fundamentales que vale la pena mencionar. En el análisis de regresión hay una asimetría en el tratamiento a las variables dependientes y explicativas. Se supone que la variable dependiente es estadística, aleatoria o estocástica, es decir, que tiene una distribución de probabilidad. Por otra parte, se asume que las variables explicativas tienen valores fijos (en muestras repetidas), lo cual es explícito en la definición de regresión. En el análisis de correlación, por otra parte, se tratan dos variables cualesquiera en forma simétrica; no hay distinción entre las variables dependiente y explicativa. Además, las dos variables se consideran aleatorias. La mayor parte de la teoría de correlación parte del supuesto de aleatoriedad de las variables, mientras que la mayor parte de la teoría de regresión que expondremos en este texto está condicionada al supuesto de que la variable dependiente es estocástica y que las variables explicativas son fijas o no estocásticas.
Para el siguiente modelo se busca comparar el impacto que tienen las inversiones en educación en ... more Para el siguiente modelo se busca comparar el impacto que tienen las inversiones en educación en el crecimiento económico de México, para eso es necesario analizar la relación que hay en estas dos variables a través de regresiones correlaciones y técnicas de análisis de datos descritas a continuación. La interpretación moderna de la regresión en términos generales, se afirma que: El análisis de regresión trata del estudio de la dependencia de una variable (variable dependiente) respecto de una o más variables (variables explicativas) con el objetivo de estimar o predecir la media o valor promedio poblacional de la primera en términos de los valores conocidos o fijos (en muestras repetidas) de las segundas. (CITA) El análisis de correlación se relaciona de manera estrecha con el de regresión, aunque conceptualmente los dos son muy diferentes. En el análisis de correlación, el objetivo principal es medir la fuerza o el grado de asociación lineal entre dos variables. El coeficiente de correlación, mide esta fuerza de asociación (lineal): por ejemplo, si se desea encontrar la correlación (coeficiente) entre número de ingresados a la universidad y el número de patentes que son registradas o entre la cantidad destinada a la educación y el número de egresados de un nivel superior. En el análisis de regresión, como ya mencionamos, no interesa ese tipo de medición. En cambio, se trata de estimar o predecir el valor promedio de una variable con base en los valores fijos de otras. Así, quizá se desee predecir el promedio de las patentes que se registraran a partir de cierto incremente en el dinero destinado a educación. La regresión y la correlación presentan diferencias fundamentales que vale la pena mencionar. En el análisis de regresión hay una asimetría en el tratamiento a las variables dependientes y explicativas. Se supone que la variable dependiente es estadística, aleatoria o estocástica, es decir, que tiene una distribución de probabilidad. Por otra parte, se asume que las variables explicativas tienen valores fijos (en muestras repetidas), lo cual es explícito en la definición de regresión. En el análisis de correlación, por otra parte, se tratan dos variables cualesquiera en forma simétrica; no hay distinción entre las variables dependiente y explicativa. Además, las dos variables se consideran aleatorias. La mayor parte de la teoría de correlación parte del supuesto de aleatoriedad de las variables, mientras que la mayor parte de la teoría de regresión que expondremos en este texto está condicionada al supuesto de que la variable dependiente es estocástica y que las variables explicativas son fijas o no estocásticas.
Uploads
Papers by Erick Catalan