| dc.creator | Macías Cabrera, Sindy | |
| dc.creator | Pincay Chiquito, César | |
| dc.creator | Zurita Herrera, Gaudencio | |
| dc.date | 2013-01-03 | |
| dc.date | 2013-01-03 | |
| dc.date | 2013-01-03 | |
| dc.date.accessioned | 2023-08-08T22:55:38Z | |
| dc.date.available | 2023-08-08T22:55:38Z | |
| dc.identifier | http://www.dspace.espol.edu.ec/handle/123456789/21486 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8103780 | |
| dc.description | Resulta importante dentro del Análisis de Regresión determinar qué variables predictoras o de explicación son
óptimas para explicar a la variable de interés, es por esto que existen indicadores de Selección del Modelo que
permiten la determinación de estas variables. Uno de ellos y el más utilizado es el
2
adj R , pero existen otras medidas de
bondad de ajuste tales como el Criterio Akaike, estadístico Cp deMallows y PRESS; cada uno proporciona las
posibles combinaciones de las (p-1) variables de explicación y están basados principalmente en la minimización de las
medidas de variación del modelo de regresión, utilizando Suma y Media Cuadrática. Debido a que estas medidas de
ajuste no son comunes en los softwares más usuales, se ha desarrollado ERLA (Estadística de Regresión Lineal
Avanzada) el cual ayuda en la comparación conjunta de los valores y variables, quedando a decisión del investigador
la elección de las mismas. Este software está constituido desde las técnicas más básicas hasta las más avanzadas como
Regresión Rigde, Regresión Logística y por supuesto Selección del Modelo. | |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.rights | openAccess | |
| dc.subject | SELECCIÓN DEL MODELO | |
| dc.subject | ANÁLISIS DE REGRESIÓN | |
| dc.subject | MEDIDAS DE BONDAD DE AJUSTE | |
| dc.subject | ERLA | |
| dc.subject | INDICADORES | |
| dc.title | Construcción de software para regresión el caso de selección del modelo y pruebas de homocedasticidad | |
