Intervalos de pronstico seguimos en el subcuadro de

Info iconThis preview shows page 1. Sign up to view the full content.

View Full Document Right Arrow Icon
This is the end of the preview. Sign up to access the rest of the document.

Unformatted text preview: logo Regresión lineal: Guardar nuevas variables (ver figura 18.12) contiene varias opciones relacionadas con los pronósticos: Valores pronosticados. Las opciones de este recuadro generan, en el Editor de datos, cuatro nuevas variables. Estas nuevas variables reciben automáticamente un nombre seguido de un número de serie: nombre_#. Por ejemplo, la primera vez que se solicitan durante una sesión los pronósticos tipificados, la nueva variable con los pronósticos tipificados recibe el nombre “zpr_1”. Si se vuelven a solicitar los pronósticos tipificados durante la misma sesión, la nueva variable recibe el nombre “zpr_2”. Etc. G No tipificados: pronósticos que se derivan de la ecuación de regresión en puntuaciones directas. Nombre: pre_#. G Tipificados: pronósticos convertidos en puntuaciones típicas (restando a cada pronóstico la media de los pronósticos y dividiendo la diferencia por la desviación típica de los pronósticos). Nombre: zpr_#. G Corregidos: pronóstico que corresponde a cada caso cuando la ecuación de regresión se obtiene sin incluir ese caso. Nombre: adj_#. Capítulo 18. Análisis de regresión lineal 65 G E.T. del pronóstico promedio: error típico de los pronósticos correspondientes a los casos que tienen el mismo valor en las variables independientes. Nombre: sep_#. Aclaremos esto. Al efectuar pronósticos es posible optar entre: 1) efectuar un pronóstico individual Yi’ para cada caso concreto Xi, o (2) pronosticar para cada caso la media de los pronósticos (Y0’) correspondientes a todos los casos en con el mismo valor X0 en la(s) variable(s) independiente(s); a esta media es a la que llamamos pronóstico promedio. En ambos casos se obtiene el mismo pronóstico (Yi’ = Y0’), pero cada tipo de pronóstico (ambos son variables aleatorias) tiene un error típico distinto. La figura 18.14 puede ayudarnos a comprender la diferencia entre estos dos errores típicos. Figura 18.14. Tipos de error en los pronósticos de la regresión. Recta muestral: Recta poblacional: µY | X 0 ( X, Y ) Al efectuar un pronóstico individual para un determinado valor de Xi, el error de estimación o variación residual (Yi nYi’) puede contener dos fuentes de error (identificadas en la figura 18.14 con los números 1 y 2): 1. La diferencia entre el valor observado en la variable dependiente (Yi) y la media poblacional correspondiente a X0 ( ). 2. La diferencia entre el pronóstico para ese caso (Yi’ o Y0’) y la media poblacional correspondiente a X0 ( ). Capítulo 18. Análisis de regresión lineal 66 En un pronóstico individual entran juego amba...
View Full Document

This document was uploaded on 03/30/2014 for the course COM 01 at University of Sevilla.

Ask a homework question - tutors are online