Lección 10 del curso Pronósticos de Series de Tiempo con Regresión.
En la lección anterior vimos cómo realizar pronósticos de Series de Tiempo usando modelos de Regresión Lineal Múltiple.
En esta lección veremos la estrategia sugerida para diagnosticar si el modelo implementado (con Regresión Lineal simple o múltiple) resulta adecuado para generar pronósticos de Series de Tiempo. En esencia la estrategia consiste en obtener los residuales y analizar su comportamiento tanto de manera individual como su relación los valores pronosticados y con las covariables:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Muy bien, acabamos de ver el método que siempre deberíamos llevar a cabo para determinar si el modelo de Regresión Lineal que construimos es adecuado para la generación de pronósticos de la Serie de Tiempo que estemos usando en nuestro proyecto.
En esencia esta metodología se resume en 4 pasos:
- Calcular los residuales, que son la diferencia entre los datos de entrenamiento y las predicciones generadas por el modelo sobre dicho set de datos
- Analizar los residuales de manera individual para determinar si tienen el comportamiento de una variable aleatoria
- Verificar que los residuales no guardan relación alguna con las variables predictoras
- Y verificar que los residuales no guardan relación alguna con los valores pronosticados
De igual forma vimos que el uso del coeficiente de determinación (R²), muy usado al implementar modelos lineales sobre datos tabulares, no resulta adecuado en el caso de modelos lineales desarrollados para Series de Tiempo. Esto debido a que dicho coeficiente asume que las observaciones son independientes (condición que no se satisface en las Series de Tiempo).
Teniendo todo esto en cuenta, en la próxima lección veremos cómo añadir más variables predictoras y cómo seleccionar las variables en un modelo de Regresión Lineal, es decir cómo determinar cuáles variables resultarán más adecuadas para construir un modelo que genere los mejores pronósticos posibles.
Todas las lecciones del curso Pronósticos de Series de Tiempo con Regresión