• Saltar a la navegación principal
  • Saltar al contenido principal
  • Saltar a la barra lateral principal
  • Saltar a la barra lateral secundaria
  • Saltar al pie de página
Logo Economipedia Crema

Economipedia

Haciendo fácil la economía

  • Suscríbete
  • Cursos
  • Diccionario
  • Recursos
    • Educación financiera
    • Inversión en bolsa
    • Eventos
    • Guías
    • Actualidad
    • Rankings
  • Acceso Campus
  • Más resultados...

    Generic selectors
    Exact matches only
    Search in title
    Search in content
    Post Type Selectors
    Search in posts
    Search in pages

Criterio de información bayesiano

Redactado por: Paula Rodó
Revisado por: José Francisco López
Actualizado el 22 enero 2020

Tabla de contenidos

  • Definición técnica
  • Fórmula del criterio de información bayesiano
  •  Ejemplo práctico

El criterio de información bayesiano o criterio de Schwarz es un método que se centra en la suma de los cuadrados de los residuos para encontrar el número de periodos rezagados p que minimizan este modelo.

En otras palabras, queremos encontrar el número mínimo de periodos rezagados que incluimos en la autorregresión para que nos ayuden con la predicción de la variable dependiente.

De esta forma, tendremos un control sobre el número de periodos rezagados p que vamos incluyendo en la regresión. Cuando excedamos este nivel óptimo, el modelo de Schwarz dejará de disminuir y por tanto habremos llegado al mínimo. Es decir, habremos llegado al número de periodos rezagados p que minimizan el modelo de Schwarz.

También recibe el nombre de criterio de información de Bayes (BIC).

Artículos recomendados: autorregresión, suma de cuadrados de los residuos (SCE).

Fórmula del criterio de información bayesiano

Criterio De Información Bayesiano

Aunque a simple vista parece una fórmula complicada iremos por partes para entenderla. En primer lugar, de forma general tenemos que:

  • Los logaritmos en ambos factores de la fórmula representan el efecto marginal de incluir un período rezagado p más en la autoregresión.
  • N es el número total de observaciones.
  • Podemos dividir la fórmula en dos partes: parte izquierda y parte derecha.

La parte de la izquierda:

Parte Izquierda Bic

Representa la suma de los cuadrados de los residuos (SCE) de la autorregresión de p periodos rezagados, dividida entre el número total de observaciones (N).

Para hacer una estimación de los coeficientes empleamos mínimos cuadrados ordinarios (MCO). Entonces, cuando incluimos nuevos periodos rezagados, la SCE(p) solo puede mantenerse o decrecer.

Entonces, el incremento de un período rezagado en la autorregresión provoca:

  • SCE(p): decrece o se mantiene constante. 
  • Coeficiente de determinación: incrementa. 
  • EFECTO TOTAL: un aumento de un período rezagado provoca una disminución en la parte izquierda de la fórmula.  

Ahora la parte derecha:

Parte Derecha Bic

(p+1) representa el número total de coeficientes en la autorregresión, es decir, los regresores con sus periodos rezagados (p) y el intercepto (1).

Entonces, el incremento de un período rezagado en la autorregresión provoca:

  • (p+1): aumenta porque incorporamos un período rezagado. 
  • EFECTO TOTAL: un aumento de un período rezagado provoca un aumento en la parte derecha de la fórmula.  

 Ejemplo práctico

Suponemos que queremos hacer una predicción sobre los precios de los forfaits para la siguiente temporada 2020 con una muestra de 5 años pero no sabemos cuántos periodos rezagados utilizar: ¿AR(2) o AR(3)?

  • Descargamos los datos y calculamos los logaritmos naturales de los precios de los forfaits.

1. Estimamos los coeficientes mediante MCO y obtenemos:

Ejemplo Bic

Suma de los cuadrados de los residuos (SCE) para AR(2) = 0,011753112

Coeficiente de determinación para AR(2)= 0,085

2. Añadimos 1 período rezagado más para ver como cambia la SCE:

Suma de los cuadrados de los residuos para AR(3) = 0,006805295

Coeficiente de determinación para AR(3)= 0,47

Podemos ver que cuando añadimos un período rezagado en la autorregresión, el coeficiente de determinación aumenta y la SCE decrece en este caso.

  • Calculamos el criterio de información bayesiano:
Ejemplo Bic Resuelto

Cuanto más pequeño es el modelo BIC, más preferido será el modelo. Entonces, AR(3) sería el modelo preferido respecto AR(2) dado que su coeficiente de determinación es mayor, la SCE es menor y el modelo de Schwarz o criterio de información bayesiano también es menor.

  • Diccionario económico
  • Econometría
  • Matemáticas

¿Quieres referenciar este artículo?

Paula Rodó, 22 de enero, 2020
Criterio de información bayesiano. Economipedia.com

Artículos recomendados

  • Renuncia silenciosa
  • Hyperledger
  • Fan token
  • Modelo de Cournot
  • Industria cíclica
  • Blaise Pascal
  • guest
    guest
    0 Comentarios
    Feedbacks
    Ver comentarios

    Barra lateral principal

    Cursos más vistos

    1
    Curso de ahorro y finanzas personales
    2
    Curso básico de inversión en bolsa
    3
    Curso de política monetaria y fiscal: las claves de la economía
    4
    Curso de sistema financiero, mercados y operativa en bolsa
    5
    Curso básico de análisis fundamental. ¿Cuánto vale una empresa?
    Broker de bolsa XTB

    Guías más leídas

  • Metaverso
    Algo pasa con el Metaverso: Todo lo que quieres saber y no te atreves a preguntar
  • IRPF
    ¿Qué porcentaje de IRPF me corresponde en mi nómina de España?
  • Guia
    Guía: ¿Cómo hacer un plan de marketing? Paso a paso
  • Lo más leído del mes

  • Dollars. A Roll Of Dollars And Gold Coins On A Blue Background.
    Ventajas y desventajas de la dolarización
  • Econ Y Renta4
    Renta 4 Banco y Economipedia ofrecen un círculo de conferencias gratuitas para impulsar la educación financiera
  • Importancia I+d+i
    ¿Por qué es importante invertir en I+D+I?
  • Barra lateral secundaria

    Índice

    • Definición técnica
    • Fórmula del criterio de información bayesiano
    •  Ejemplo práctico

    Footer

    Diccionario económico

    • Diccionario económico

    Contenidos de economía

    • Cursos
    • El Diccionario económico
    • Recursos gratuitos
    • Guías
    • Fuentes

    Sobre nosotros

    • ¿Qué es economipedia?
    • ¿Quiénes somos?
    • El equipo
    • Empleo
    • Ayuda
    • Contacto
    Si quieres colaborar con nosotros o hacernos llegar cualquier sugerencia, puedes contactar a través de nuestro formulario de contacto.

    Síguenos en redes sociales:
    Logo Economipedia

    Síguenos en redes sociales

    • Icono Facebook
    • Icono LinkedIn
    • Icono Twitter
    • Icono YouTube
    • Icono Instagram
    • Ayuda
    • Aviso legal
    • Cookies
    • Privacidad
    • Términos y condiciones

    Copyright © 2023 Economipedia

    wpDiscuz