Menú local
Guía docente 2019-20 - 11712009 - Métodos de regresión
TITULACIÓN: | Grado en Estadística y empresa |
CENTRO: | FACULTAD CIENCIAS SOCIALES Y JURÍDICAS |
CURSO: | 2019-20 |
ASIGNATURA: | Métodos de regresión |
NOMBRE: Métodos de regresión | |||||
CÓDIGO: 11712009 | CURSO ACADÉMICO: 2019-20 | ||||
TIPO: Obligatoria | |||||
Créditos ECTS: 6.0 | CURSO: 3 | CUATRIMESTRE: PC | |||
WEB: http://dv.ujaen.es/docencia/goto_docencia_crs_355004.html |
NOMBRE: CONDE SÁNCHEZ, ANTONIO | ||
IMPARTE: Teoría - Prácticas [Profesor responsable] | ||
DEPARTAMENTO: U112 - ESTADISTICA E INVESTIGACIÓN OPERATIVA | ||
ÁREA: 265 - ESTADÍSTICA E INVESTIGACIÓN OPERATIVA | ||
N. DESPACHO: B3 - 055 | E-MAIL: aconde@ujaen.es | TLF: 953212928 |
TUTORÍAS: https://uvirtual.ujaen.es/pub/es/informacionacademica/tutorias/p/58111 | ||
URL WEB: - | ||
ORCID: https://orcid.org/0000-0003-0450-1585 |
Se recomienda haber cursado Técnicas de Estimación y Métodos de Inferencia Estadística |
La asignatura introduce al alumno en la modelización estadística, herramienta fundamental en muchas otras técnicas estadísticas.
Código | Denominación de la competencia |
CE13 | Conocer y aplicar los conceptos de modelos de Regresión Lineal |
CE6 | Realizar actividades dirigidas a la aplicabilidad de los conocimientos teóricos, metodológicos y de técnicas adquiridas a lo largo de la formación, trabajando en equipo y desarrollando las habilidades y destrezas de un profesional de este perfil de estudios |
CE8 | Ser capaz de utilizar herramientas informáticas en empresa |
CG10 | Capacidad de trabajo en un equipo de carácter interdisciplinar |
CG12 | Capacidad de aprendizaje y trabajo autónomo |
CG16 | Capacidad de aplicar los conocimientos en la práctica |
CG2 | Capacidad para el análisis crítico y la síntesis |
CG6 | Adquirir habilidades y dominar herramientas informáticas aplicadas a las diferentes materias |
CG8 | Capacidad para la resolución de problemas |
Resultados de aprendizaje | |
Resultado R 14 | Ser capaz de realizar pruebas sobre la especificación del modelo econométrico para contrastar su validez y, en caso necesario, abordar la reformulación del mismo |
Resultado R 15 | Saber usar los resultados de un modelo econométrico con fines analíticos, predictivos o de evaluación de políticas económicas o empresariales |
Resultado R 16 | Aplicar las técnicas estadísticas desarrolladas en el módulo a situaciones del entorno de la empresa |
Resultado R 17 | Conocer y saber usar aplicaciones informáticas de análisis estadístico, que sean útiles para la aplicación y desarrollo de las técnicas estadísticas |
Resultado R 18 | Elaborar informes estadísticos a partir de herramientas informáticas apropiadas |
CONTENIDOS BÁSICOS
Modelo de regresión lineal
Multicolinealidad
Observaciones influyentes
Diagnosis
Validación
CONTENIDOS DESARROLLADOS
1.- INTRODUCCIÓN A LA REGRESIÓN.
- Historia de la Regresión.
- Concepto, metodología e interpretación de la regresión
- Tipos de datos y de modelos en regresión.
- Objetivos y problemática. Abusos en regresión.
- Ejemplos de modelos de regresión.
2. - EL MODELO DE REGRESIÓN LINEAL MÚLTIPLE.
- Formulación e hipótesis del modelo.
- Estimación de los parámetros: mínimos cuadrados ordinarios y máxima verosimilitud.
- El coeficiente de determinación múltiple.
- Propiedades de los estimadores.
- Inferencias respecto a los parámetros.
- Análisis de la varianza. Principio de la Suma de Cuadrados Extra.
- Predicción.
3.- EXTENSIONES DEL MODELO DE REGRESIÓN LINEAL GENERAL.
- Extensiones a modelos linealizables.
- Modelos de regresión polinómicos.
- Regresión a través del origen.
- Modelos con interacciones.
- Modelos con variables explicativas cualitativas.
4.- MULTICOLINEALIDAD
- Concepto y causas.
- Consecuencias.
- Detección.
- Tratamiento.
5.- OBSERVACIONES INFLUYENTES Y OUTLIERS
- Efectos sobre las propiedades del modelo.
- Tipos de residuos. Outliers.
- Diagnósticos de influencia.
- Tratamiento.
6.- SELECCIÓN DE VARIABLES
- Error de especificación.
- Criterios para evaluar modelos de regresión.
- Procedimientos de selección de variables.
7.- DIAGNOSIS Y VALIDACIÓN DEL MODELO
- Análisis residual.
- Hipótesis de linealidad.
- Hipótesis de normalidad.
- Heterocedasticidad.
- Autocorrelación.
- Mínimos Cuadrados Generalizados.
- Validación del modelo.
ACTIVIDADES | HORAS PRESENCIALES | HORAS TRABAJO AUTÓNOMO | TOTAL HORAS | CRÉDITOS ECTS | COMPETENCIAS (códigos) |
---|---|---|---|---|---|
A1 - Clases expositivas en gran grupo
|
45.0 | 75.0 | 120.0 | 4.8 |
|
A2 - Clases en grupos de prácticas
|
15.0 | 15.0 | 30.0 | 1.2 |
|
TOTALES: | 60.0 | 90.0 | 150.0 | 6.0 |
En las clases se expondrán los contenidos teóricos necesarios para poder desarrollar con suficiencia los ejercicios prácticos. Las prácticas se estructuran en tres tipos de actividades: ejercicios resueltos en pizarra, interpretación de resultados a partir de salidas de ordenador e implementación de tales ejercicios mediante los programas informáticos de tipo estadístico.
ASPECTO | CRITERIOS | INSTRUMENTO | PESO |
---|---|---|---|
Asistencia y/o participación en actividades presenciales y/o virtuales | Asistencia y participación | Notas del profesor | 0.0% |
Conceptos teóricos de la materia | Conceptos teóricos de la materia. | Examen de cuestiones teórico-prácticas | 75.0% |
Realización de trabajos, casos o ejercicios | realización de trabajos, casos y ejercicios | Elaboración de casos prácticos | 0.0% |
Prácticas de laboratorio/campo/uso de herramientas TIC | Prácticas de ordenador | Elaboración de casos prácticos | 25.0% |
La evaluación final del alumno constará de dos pruebas: un examen escrito, en el que se valorarán los resultados de aprendizaje R14, R15 y R 16, y la realización durante el curso de prácticas con ordenador en las que se demuestre la suficiencia de los conocimientos adquiridos a la hora de aplicarlos en una situación real, con el que se evaluarán los resultados de aprendizaje R17 y R18.
En ambas pruebas se valorará la claridad de exposición, la correcta aplicación de las técnicas y la coherencia de las conclusiones obtenidas a partir de la metodología aplicada.
No hay un examen de prácticas, ya que se pretende que exista una evaluación continua de las mismas, por lo tanto la nota de prácticas obtenida durante el curso se mantendrá en todas las convocatorias, tanto ordinarias como extraordinarias.
Para la realización del examen escrito sólo está permitido el uso del material autorizado por los profesores responsables de la asignatura.
Importante: si un alumno sólo se presenta al examen escrito, sólo opta al 75% de la calificación.
- Linear models with R. Edición: 2nd ed. Autor: Faraway, Julian James. Editorial: Boca Raton (Florida) [etc.] : Chapman & Hall-CRC, 2015 (C. Biblioteca)
- Regresión múltiple. Edición: 2ª ed. Autor: Etxeberría Murgiondo, Juan. Editorial: Madrid : La Muralla, 2007 (C. Biblioteca)
- Introducción al análisis de regresión lineal. Edición: 1ª ed., 2ª reimp. Autor: Montgomery, Douglas C.. Editorial: México D.F.: Compañía Editorial Continental, 2005 (C. Biblioteca)
- Regression analysis by example [Recurso electrónico]. Edición: Fifth edition. Autor: Chatterjee, Samprit, author. Editorial: - (C. Biblioteca)
- A Modern Approach to Regression with R [Recurso electrónico]. Edición: -. Autor: Sheather, Simon. Editorial: New York, NY : Springer-Verlag New York, 2009. (C. Biblioteca)
- Regression : models, methods and applications. Edición: -. Autor: Fahrmeir, Ludwig. Editorial: New York : Springer, 2013 (C. Biblioteca)
- Applied Econometrics with R [Recurso electrónico]. Edición: -. Autor: Kleiber, Christian. Editorial: New York, NY : Springer Science+Business Media, LLC, 2008. (C. Biblioteca)
- An R companion to applied regression. Edición: 2nd ed. Autor: Fox, John. Editorial: Los Angeles [CA] ; London : SAGE, cop. 2011 (C. Biblioteca)
- Applied multivariate data analysis. Edición: -. Autor: Jobson, J. D.. Editorial: New York [etc.]: Springer, cop. 1991-1992 (C. Biblioteca)
- A second course in statistics: regression analysis. Edición: 6th ed. Autor: Mendenhall, William. Editorial: Upper Saddle River: Pearson Education, cop. 2003 (C. Biblioteca)
- Introducción a la econometría: un enfoque moderno. Edición: 2ª ed.. Autor: Wooldridge, Jeffrey M.. Editorial: Madrid : International Thomson Editores Spain Paraninfob, D.L. 2008 (C. Biblioteca)
- Handbook of regression analysis [Recurso electrónico]. Edición: -. Autor: Chatterjee, Samprit, 1938-. Editorial: Hoboken, New Jersey : Wiley, c2013 (C. Biblioteca)
- Applied linear regression [Recurso electrónico]. Edición: -. Autor: Weisberg, Sanford, 1947- author. Editorial: - (C. Biblioteca)
- Applied linear statistical models. Edición: 5th ed. Autor: -. Editorial: Boston: McGraw-Hill, cop. 2005 (C. Biblioteca)
- Applied regression analysis [Recurso electrónico]. Edición: Third edition. Autor: Draper, Norman Richard, 1931-, author. Editorial: - (C. Biblioteca)
- Econometría [Recurso electrónico]. Edición: 5ª ed. Autor: Gujarati, Damodar N. Editorial: México : McGraw-Hill , 2010 (C. Biblioteca)
Semana | A1 - Clases expositivas en gran grupo | A2 - Clases en grupos de prácticas | Trabajo autónomo | Observaciones | |
---|---|---|---|---|---|
Nº 1 9 - 15 sept. 2019 |
3.0 | 1.0 | 6.0 | Tema 1 | |
Nº 2 16 - 22 sept. 2019 |
3.0 | 1.0 | 6.0 | Tema 2 | |
Nº 3 23 - 29 sept. 2019 |
3.0 | 1.0 | 6.0 | Tema 2 | |
Nº 4 30 sept. - 6 oct. 2019 |
3.0 | 1.0 | 6.0 | Tema 2 | |
Nº 5 7 - 13 oct. 2019 |
3.0 | 1.0 | 6.0 | Tema 2 | |
Nº 6 14 - 20 oct. 2019 |
3.0 | 1.0 | 6.0 | Tema 3 | |
Nº 7 21 - 27 oct. 2019 |
3.0 | 1.0 | 6.0 | Tema 3 | |
Nº 8 28 oct. - 3 nov. 2019 |
3.0 | 1.0 | 6.0 | Tema 3 | |
Nº 9 4 - 10 nov. 2019 |
3.0 | 1.0 | 6.0 | Tema 4 | |
Nº 10 11 - 17 nov. 2019 |
3.0 | 1.0 | 6.0 | Tema 5 | |
Nº 11 18 - 24 nov. 2019 |
3.0 | 1.0 | 6.0 | Tema 6 | |
Nº 12 25 nov. - 1 dic. 2019 |
3.0 | 1.0 | 6.0 | Tema 7 | |
Nº 13 2 - 8 dic. 2019 |
3.0 | 1.0 | 6.0 | Tema 7 | |
Nº 14 9 - 15 dic. 2019 |
3.0 | 1.0 | 6.0 | Tema 7 | |
Nº 15 16 - 19 dic. 2019 |
3.0 | 1.0 | 6.0 | Tema 7 | |
Total Horas | 45.0 | 15.0 | 90.0 |