aplicar a las ciencias sociales el modelo de regresión con información cualitativa que le permitira la explicación inferencia y predicción de políticas económicas
Politicas publicas para el sector agropecuario en México.pptx
Aplicar modelos de regresión con variables ficticias
1. FACULTAD DE CIENCIAS SOCIALES EDUCACIÓN
COMERCIAL Y DERECHO
ECONOMIA EN LINEA
MODALIDAD EN LÍNEA
ASIGNATURA:
Ecometría Aplicada
DOCENTE:
MGTR. ROBERTO WILLIAM CASCANTE YARLEQUE
INTEGRANTES:
Arias Jara Edgar Andrés
Campoverde Morocho Lourdes Vanessa
Jordán Pinto Amada Andrea
Soliz Campoverde María Isabel
Tomalá Arroyo Lupe Alexandra
TEMA: S2-TAREA_1
Aplicar a las ciencias sociales, el modelo de regresión con información
cualitativa que le permitirá la explicación, inferencia y predicción de políticas
económicas.
CURSO:
SEXTO SEMESTRE PARALELO C-2
PERIODO LECTIVO
2023
2. Ejercicio 1. Conteste a las siguientes preguntas:
a) ¿Cuál es la importancia de comprender la interpretación de los coeficientes
de las variables
ficticias en modelos que utilizan diferentes transformaciones funcionales de
la variable endógena?
Comprender la interpretación de los coeficientes de las variables ficticias en modelos
que utilizan diferentes transformaciones funcionales de la variable endógena es crucial para
realizar análisis precisos y obtener resultados significativos, ayuda a evitar malentendidos,
interpretaciones erróneas y contribuye a una toma de decisiones más informada, a
continuación por varias razones:
1. Facilita la interpretación precisa de los efectos de las variables ficticias en el
modelo.
2. Permite controlar y cuantificar el impacto de variables categóricas, como género o
ubicación geográfica.
3. Evita conclusiones erróneas y malinterpretaciones de los resultados.
4. Facilita la comparación de efectos entre diferentes grupos o categorías.
5. Ayuda a controlar sesgos en modelos con transformaciones funcionales.
6. Mejora la capacidad predictiva del modelo en aplicaciones estratégicas.
b) ¿Cuáles son las implicaciones de incluir un número diferente de variables
ficticias en comparación con las categorías existentes en una variable cualitativa en un
modelo de regresión?
Incluir un número diferente de variables ficticias en comparación con las categorías
3. de una variable cualitativa en un modelo de regresión tiene implicaciones importantes. Esto
depende de la estrategia de codificación utilizada (como "dummy" u "one-hot encoding") y
la naturaleza de los datos, la elección adecuada de variables ficticias es crítica para evitar
sesgos, facilitar la interpretación, mantener la eficiencia y gestionar los recursos
computacionales en modelos de regresión. Las implicaciones clave son:
1.Sesgo y redundancia: Puede introducir sesgo si no se incluyen todas las variables
ficticias para las categorías, y puede haber redundancia si se incluyen demasiadas, lo que
dificulta identificar efectos significativos.
2.Interpretación de coeficientes: La interpretación de los coeficientes se ve
afectada, ya que representan efectos en comparación con una categoría de referencia. Si se
omite esta categoría, la interpretación puede volverse confusa e incorrecta.
3.Eficiencia y poder estadístico: La cantidad de variables ficticias puede afectar la
eficiencia y el poder estadístico. La omisión de categorías importantes reduce la precisión,
mientras que demasiadas variables pueden hacer que el modelo sea ineficiente.
4.Requisitos computacionales: Más variables ficticias aumentan los cálculos y el
almacenamiento, especialmente en conjuntos de datos grandes o modelos complejos.
c) ¿Cómo varía el impacto en un modelo cuando se introducen variables ficticias
de forma aditiva en comparación con la introducción de variables ficticias de forma
multiplicativa en relación con una variable cuantitativa?
La introducción de variables ficticias de forma aditiva en comparación con la
introducción de variables ficticias de forma multiplicativa en relación con una variable
cuantitativa puede tener un impacto significativamente diferente en un modelo. Estas dos
aproximaciones se utilizan en contextos diferentes y tienen implicaciones distintas:
1.Variables Ficticias de Forma Aditiva:
4. - En este enfoque, se agregan variables ficticias como términos adicionales en el
modelo de regresión, generalmente como variables binarias (0 o 1) que indican la pertenencia
o no a una categoría.
- El efecto de cada categoría se representa como una suma o resta constante al
intercepto o a la pendiente de la variable cuantitativa.
- Este enfoque es adecuado cuando se desea medir el impacto de cada categoría de
manera independiente y cuando se asume que el efecto de cada categoría es constante en
todo el rango de la variable cuantitativa.
2.Variables Ficticias de Forma Multiplicativa:
- En este enfoque, se introduce una interacción entre las variables ficticias y la
variable cuantitativa. Esto se logra multiplicando cada variable ficticia por la variable
cuantitativa.
- El efecto de cada categoría se modela como una variación en la pendiente de la
variable cuantitativa para esa categoría en particular.
- Este enfoque se utiliza cuando se sospecha que el efecto de cada categoría varía
en función de los valores de la variable cuantitativa, es decir, cuando se espera una
interacción.
El impacto en el modelo varía de la siguiente manera:
-Forma Aditiva: En este caso, se asume que el efecto de las categorías es constante
en toda la variable cuantitativa. Es adecuado cuando no se espera una relación compleja o
interacción entre las categorías y la variable cuantitativa. El modelo es más simple de
interpretar, pero puede no capturar adecuadamente la variación en los datos si existen
interacciones reales.
-Forma Multiplicativa: Este enfoque permite capturar la variación en el efecto de
las categorías en función de los valores de la variable cuantitativa. Es adecuado cuando se
sospecha que las categorías tienen relaciones diferentes con la variable cuantitativa en
diferentes puntos del rango. Sin embargo, puede complicar la interpretación del modelo y
requerir una justificación sólida de la interacción.
5. La elección entre variables ficticias de forma aditiva y multiplicativa depende de la
naturaleza de los datos y de la pregunta de investigación. La forma aditiva es más simple
pero asume efectos constantes, mientras que la forma multiplicativa permite capturar
interacciones, pero puede ser más compleja de interpretar. La elección debe basarse en una
comprensión sólida del fenómeno estudiado y de las relaciones entre las variables.
Bibliografía
(N.d.). Retrieved September 29, 2023, from http://chrome-
extension://efaidnbmnnnibpcajpcglclefindmkaj/https://www.um.es/econo
metria/adeydcho/transpar/07-ficticias_Alfonso.pdf
(N.d.-b). Retrieved September 29, 2023, from http://chrome-
extension://efaidnbmnnnibpcajpcglclefindmkaj/http://www.ciberconta.uni
zar.es/Leccion/ficticia/variables%20ficiticas.PDF
Jesús F. Rosel Remírez M.a Pilar Jara Jiménez Francisco Herrero Machancoses.
(2014). Pronóstico con interacción de variables categóricas [archivo PDF].
Publicacions de la Universitat Jaume I. Servei de Comunicació i
Publicacions Campus del Riu Sec. chrome-
extension://efaidnbmnnnibpcajpcglclefindmkaj/https://core.ac.uk/downlo
ad/pdf/61444063.pdf