DESCOMPOSICIÓN EN REGRESIÓN LINEAL: UN NUEVO MÉTODO PARA ANÁLISIS DE DETERMINANTES Y TOMA DE DECISIONES

Ernesto Cupé C.

Resumen


En el contexto de los modelos de regresión lineal, se presenta una novedosa metodología para la descomposición del indicador R2en términos de las variables independientes. La metodología se basa en la existencia de una base ortogonal de vectores singulares para el espacio generado por las variables independientes expresadas en términos de desviaciones respecto a su media. Esta metodología permite cuantificar el poder explicativo o la participación de cada una de las variables independientes en la explicación de la variación de la variable dependiente, por lo que en la práctica resulta extremadamente útil en el análisis de los determinantes de la variable dependiente y la toma de decisiones en cualquier campo donde se use un modelo lineal. Se presentan dos aplicaciones, una relativa a los determinantes de la decisión de distribuir dividendos en un conjunto de empresas, y otra relacionada con los determinantes del ingreso laboral en las zonas urbanas de Bolivia. Se pone especial énfasis en evaluar la nueva metodología respecto a la descomposición propuesta por G. Fields, como representante de metodologías de descomposición que admiten participaciones negativas por variable independiente, la cual se ha popularizado en los últimos años rápidamente aplicándose en diversos estudios a lo largo de todo el mundo. La nueva metodología de descomposición garantiza la no negatividad del poder explicativo directo de una variable, por una parte, y reconoce y cuantifica el efecto que genera la correlación entre variables independientes, por otra.


Palabras clave


Regresión Lineal, Base Ortogonal, Vectores Singulares, Metodologías de Descomposición

Texto completo:

RESUMEN ARTICULO COMPLETO

Referencias


Y. Arayama et al. “Determinants of Income Inequality among Korean Farm Households.” Economic Research Center. Discussion Paper, no.161, November 2006.

U. Carrascal et al. Análisis Econométrico con EViews. Alfaomega-RaMa. México 2001.

B. Datta. Numerical Linear Algebra and Applications. International Thomson Publishing Company. 1994.

G. Fields. Regression-Based Decompositios: A New Tool for Managerial Decision-Making, Departamente of Labor Economics, Cornell University. March 2004.

G. Fields and Gyeongjoon Yoo. “Falling Labor Income Inequality in Korea's Economic Growth: Patterns and Underlying Causes.” Review of Income and Wealth. Series 46, Number 2, June 2000

C. Fiorio and S. Jenkins. ineqrbd: Regression-based inequality decomposition, following Fields (2003). UKSUG. September 2007.

L. Lebart et al. Statistique Exploratoire Multidimensionalle. Dunod. Paris, 1995.

J. Morduch and T. Sicular. “Rethinking Inequality Decomposition, with Evidence from Rural China.” The Economic Journal 112:93-106. 2002.

R. Pedraz. “Determinantes de la decisión de Repartir Dividendos.” Revista CEFGESTION, no. 14, España 1999.

P. Salardi. How much of Brazilian Inequality can we explain? An attempt of income differentials decomposition using the PNAD 2002. Quaderni del Dipartamento di Economia Pubblica e Territoriale n. 1/2005.

Awoyemi Taiwo. Explaining Income Inequality in Nigeria: A Regressio-Based Decomposition Using Household Data. Department of Agricultural Economics. University of Ibadan, Nigeria.

The World Bank. Spatial Inequality in Vietnam: A Regression-based Decomposition. 2003.

Guang Hua Wan. Regression-based Inequality Decomposition: Pitfalls and a Solution Procedure. World Institute for Development Economic Research. Discussion Paper No. 2002/101. 2002.

Guanghua Wan and Zhangyue Zhou. “Income Inequality in Rural China Regression-Based Decomposition Using Household Data.” Review of Development Economics, vol. 9, no. 1, pp. 107–120, 2005.


Enlaces refback

  • No hay ningún enlace refback.


ESTADÍSTICAS DEL ARTICULO
Resumen : 200
ARCHIVO PDF RESUMEN : 61
ARCHIVO PDF ARTICULO COMPLETO : 85



Copyright (c) 2018 Revista Investigación & Desarrollo

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.