Keywords
fuzzy regression
fuzzy linear programming
regresión lineal
regresión borrosa
programación lineal borrosa
How to Cite
Abstract
The objective of this paper is to disseminate the technique of fuzzy regression and to give a practical example of its use. To this end, classical regression is compared to several fuzzy regression models on a problem concerning the consumer confidence index with respect to the dollar rate, the latter taken as the independent variable. A brief introduction is given to each of the different methodologies employed. The results obtained using the regression algorithms, one with ordinary least squares and another two with fuzzy regression, are presented. The instances generated using the official historical data for the problem are given and the numerical results obtained with the regression methods are reported.
References
De Andrés Sánchez, J.; Terceño Gómez, A. (2002) “Programación matemática y regresión lineal con instrumentos de la teoría de los subconjuntos borrosos”. Departamento de Gestión de Empresas, Facultad de Ciencias Económicas y Empresariales. Universidad Rovira i Virgili, Tarragona.
De Andrés Sánchez, J.; Terceño Gómez, A. (2003) “Estimating a term structure of interest rates for fuzzy financial pricing by using 3 fuzzy regression methods”, Fuzzy Sets and Systems 139(2): 313–331.
De Andrés Sánchez, J.; Terceño Gómez, A. (2003a) “La utilización de la regression borrosa para la predicción económica: Un análisis comparativo con mı́nimos cuadrados ordinarios”, Departamento de Gestión de Empresas, Facultad de Ciencias Económicas y Empresariales. Universidad Rovira i Virgili, Tarragona.
de-los-Cobos-Silva, S.G.; Goddard Close, J.; Gutiérrez-Andrade, M.A.; Terceño Gómez, A. (2005) “Comparación de métodos de regresión usual, borrosa y de pronóstico, para tramos carreteros: caso de estudio”, XII Congreso de la Sociedad Internacional de Gestión Empresarial Fuzzy (SIGEF): 517–527.
de-los-Cobos-Silva, S.G.; Gutiérrez-Andrade, M.A.; Lara Velázquez, P. (2010) “Análisis borroso del impacto del ı́ndice de inflación y de la cotización dólar sobre el ı́ndice de confianza en México”, Revista Estocástica: Finanzas y Riesgo (por publicarse).
Buckley , J.J; Qu, Y. (1990) “On using α-cuts to evaluate fuzzy equations”, Fuzzy Sets and Systems 38(3): 309–312.
Dubois, D.; Prade, H. (1980) “Fuzzy Sets and Systems: Theory and Aplications”. Academic Press, New York.
Fedrizzi, M.; Fedrizzi, M.; Ostasiewics, W. (1993) “Towards fuzzy modelling in economics”, Fuzzy Sets and Systems 54(3): 259–268.
Johnston, J. (1987) Métodos de Econometría. Vicens Vives, Barcelona.
Kaufmann, A.; Gil Aluja, J.; Terceño, A. (1994) Matemática para la Economı́a y la Gestión de Empresas. Foro Científico, Barcelona.
Sakawa, M.; Yano, H. (1992) “Fuzzy regression and its applications”, in: J. Kacprzyk & M. Fedrizzi (Eds.) Fuzzy Regression Analysis, Physica-Verlag, Heidelberg: 91–101.
Savic, D.; Pedrycz, W. (1992) “Fuzzy linear models: construction and evaluation”, in: J. Kacprzyk & M. Fedrizzi (Eds.) Fuzzy Regression Analysis, Physica-Verlag, Heidelberg: 47–60.
Tanaka, H. (1987) “Fuzzy data analysis by possibilistic linear models”, Fuzzy Sets and Systems 24: 363–375.
Tanaka, H.; Ishibuchi, H. (1992) “A possibilistic regression analysis based on linear programming”, in: J. Kacprzyk & M. Fedrizzi (Eds.) Fuzzy Regression Analysis, Physica-Verlag, Heidelberg: 47–60.
Wang, H.F.; Tsaur, R.C. (2000) “Insight of a fuzzy regression model”, Fuzzy Sets and Systems 112(3): 355–369.
Yen, K.K.; Ghoshray, S.; Roig, G. (1999) “A linear regression model using triangular fuzzy number coefficients”, Fuzzy Sets and Systems 106(2): 167–177.
http://www.banxico.org.mx/PortalesEspecializados/tiposCambio/ consultado el 10-Ene-2010, 2:25, p.m.
http://dgcnesyp.inegi.org.mx/cgi-win/bdieintsi.exe/NIVA050001#ARBOL consultado el 10-Ene-2010, 3:25, p.m.