Regresión lineal para estadísticas de negocios

Descripción

El análisis de regresión es quizás la herramienta de estadísticas empresariales más importante utilizada en la industria. La regresión es el motor detrás de una multitud de aplicaciones de análisis de datos utilizadas para muchas formas de pronóstico y predicción.
Este es el cuarto curso en la especialización, "Estadísticas y análisis de negocios". El curso le presenta la herramienta muy importante conocida como Regresión lineal. Aprenderá a aplicar varios procedimientos, como regresiones de variables ficticias, variables transformadoras y efectos de interacción. Todos estos se presentan y explican utilizando ejemplos fáciles de entender en Microsoft Excel.
El enfoque del curso está en la comprensión y la aplicación, en lugar de derivaciones matemáticas detalladas.
Nota: Este curso utiliza la caja de herramientas 'Análisis de datos' que es estándar con la versión de Windows de Microsoft Excel. También es estándar con la versión Mac de Excel de 2016 o posterior. Sin embargo, no es estándar con versiones anteriores de Excel para Mac.

SEMANA 1
Módulo 1: Análisis de regresión: una introducción
En este módulo, se le presentará el modelo de regresión lineal. Construiremos un modelo de regresión y lo estimaremos usando Excel. Usaremos el modelo estimado para inferir relaciones entre varias variables y usaremos el modelo para hacer predicciones. El módulo también introduce la noción de errores, residuos y R-cuadrado en un modelo de regresión.

Los temas cubiertos incluyen:
• Presentación de la regresión lineal.
• Construir un modelo de regresión y estimarlo usando Excel
• Hacer inferencias usando el modelo estimado
• Usar el modelo de regresión para hacer predicciones.
• Errores, residuos y R-cuadrado

SEMANA 2
Módulo 2: Análisis de regresión: prueba de hipótesis y bondad de ajuste
Este módulo presenta diferentes pruebas de hipótesis que podría hacer utilizando la salida de Regresión. Estas pruebas son una parte importante de la inferencia y el módulo las presenta utilizando ejemplos basados en Excel. Los valores p se introducen junto con las medidas de bondad de ajuste R-cuadrado y el R-cuadrado ajustado. Hacia el final del módulo presentamos la 'Regresión de variables ficticias' que se utiliza para incorporar variables categóricas en una regresión.

Los temas cubiertos incluyen:
• Prueba de hipótesis en una regresión lineal
• Medidas de 'bondad de ajuste' (cuadrado R, cuadrado R ajustado)
• Regresión de variable ficticia (usando variables categóricas en una regresión)

SEMANA 3
Módulo 3: Análisis de regresión: variables ficticias, multicolinealidad
Este módulo continúa con la aplicación de Regresión variable ficticia. Se llega a comprender la interpretación del resultado de la regresión en presencia de variables categóricas. Se resuelven ejemplos para reforzar los diversos conceptos introducidos. El módulo también explica qué es la Multicolinealidad y cómo tratarla.

Los temas cubiertos incluyen:
• Regresión de variable ficticia (usando variables categóricas en una regresión)
• Interpretación de coeficientes y valores p en presencia de variables ficticias.
• Multicolinealidad en modelos de regresión.

SEMANA 4
Módulo 4: Análisis de regresión: varias extensiones
El módulo amplía su comprensión de la regresión lineal, presentando técnicas como el centrado medio de variables y creando límites de confianza para las predicciones utilizando el modelo de regresión. Una poderosa extensión de regresión conocida como 'Variables de interacción' se introduce y explica usando ejemplos. También estudiamos la transformación de variables en una regresión y en ese contexto presentamos los modelos de regresión log-log y semi-log.

Los temas cubiertos incluyen:
• Centrado medio de variables en un modelo de regresión
• Construyendo límites de confianza para las predicciones usando un modelo de Regresión
• Efectos de interacción en una regresión
• Transformación de variables.
• Los modelos de regresión log-log y semi-log