Variables Explicativas del Precio o Atributos Relevantes
Valoración de Activos
Uno
de las cuestiones más importantes a la hora de encontrar el modelo de ajuste
más adecuado para explicar la variabilidad de una característica cuantitativa
es la correcta especificación del llamado modelo teórico. En otras palabras,
debemos seleccionar de entre todas las variables candidatas a ser explicativas
de la variable dependiente un subconjunto que resulte suficientemente
explicativo -lo que podemos medir, por ejemplo, mediante el coeficiente de
determinación- y también no demasiado complejo -es decir, con muchas variables
explicativas-.
En
la práctica, no obstante, la selección del subconjunto de variables
explicativas de los modelos de regresión se deja en manos de procedimientos más
o menos automáticos. Los procedimientos más usuales son los siguientes:
Método
Backward: se comienza por considerar incluidas en el modelo
teórico a todas las variables disponibles y se van eliminando del modelo de una
en una según su capacidad explicativa. En concreto, la primera variable que se
elimina es aquella que presenta un menor coeficiente de correlación parcial con
la variable dependiente-o lo que es equivalente, un menor valor del estadístico
t- y así sucesivamente hasta llegar a una situación en la que la eliminación de
una variable más suponga un descenso demasiado acusado en el coeficiente de determinación.
Método
Forward: se comienza por
un modelo que no contiene ninguna variable explicativa y se añade como primera
de ellas a la que presente un mayor coeficiente de correlación -en valor
absoluto- con la variable dependiente. En los pasos sucesivos se va
incorporando al modelo aquella variable que presenta un mayor coeficiente de
correlación parcial con la variable dependiente dadas las independientes ya
incluidas en el modelo. El procedimiento se detiene cuando el incremento en el
coeficiente de determinación debido a la inclusión de una nueva variable
explicativa en el modelo ya no es importante.
Método
Stepwise: es uno de los
más empleados y consiste en una combinación de los dos anteriores. En el primer
paso se procede como en el método forward pero a diferencia de éste en el que
cuando una variable entra en el modelo ya no vuelve a salir, en el
procedimiento stepwise es posible que la inclusión de una nueva variable haga
que otra que ya estaba en el modelo resulte redundante y sea “expulsada” de él.
No hay comentarios:
Publicar un comentario