Lección 13 del curso Pronósticos de Series de Tiempo con Regresión.
En la lección anterior vimos en qué consisten los modelos de Regresión no Lineal para la generación de pronósticos de Series de Tiempo.
En esta última lección del curso veremos dos conceptos que siempre debemos tener en cuenta al momento de abordar pronósticos de Series de Tiempo con modelos de Regresión Lineal: la correlación y la multicolinealidad:
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.
Como acabamos de ver, un primer aspecto a tener en cuenta es la diferencia que existe entre la correlación (entre la serie a pronosticar y las covariables) y la causalidad. En esencia, si la serie de tiempo a pronosticar tiene un alto nivel de correlación con cualquiera de las variables predictoras no podemos concluir que dichas variables sean la causa del comportamiento observado en la Serie de Tiempo.
Y en segundo lugar hablamos de la multicolinealidad, una situación que se da cuando múltiples covariables presentan niveles altos de correlación.
Aunque en general esto no es un conveniente al momento de implementar un modelo de Regresión Lineal para pronosticar Series de Tiempo, si los grados de correlación entre covariables son relativamente altos el modelo puede ser muy sensible a ligeros cambios en dichas variables. Así que lo aconsejable es siempre seleccionar las variables para construir un modelo con la menor cantidad de covariables posible.
Así que con lo que acabamos de ver en esta lección ya hemos completado este curso de Pronósticos de Series de Tiempo usando modelos de Regresión. ¡Te felicito por haber llegado hasta este punto!
A lo largo del curso vimos algunas herramientas básicas que resultan útiles al implementar modelos para pronósticos de Series de Tiempo y además, en este segundo módulo, vimos en detalle todos los elementos teóricos y prácticos asociados a los modelos de Regresión lineal y no lineal para generar este tipo de pronósticos.
Espero que te haya gustado este curso y como siempre te invito a contactarme a través de la Intranet para que me compartas tus comentarios y sugerencias para seguir mejorando el contenido de la Academia.
¡Te envío un saludo y te invito a tomar el siguiente curso en esta especialización: Pronósticos de Series de Tiempo con Suavizado Exponencial!
Todas las lecciones del curso Pronósticos de Series de Tiempo con Regresión