Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 40 vistas

    2.modelo de Regresión Lineal Multiple

    Cargado por

    mena arizaca
    El documento describe el modelo de regresión múltiple, que estudia cómo una variable dependiente (y) se relaciona con dos o más variables independientes. Explica que la ecuación de regresión estima los coeficientes β que minimizan la suma de los cuadrados de los errores, y provee un ejemplo numérico para ilustrar cómo calcular e interpretar la ecuación de regresión.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    2.modelo de Regresión Lineal Multiple

    Cargado por

    mena arizaca
    40 vistas3 páginas
    El documento describe el modelo de regresión múltiple, que estudia cómo una variable dependiente (y) se relaciona con dos o más variables independientes. Explica que la ecuación de regresión estima los coeficientes β que minimizan la suma de los cuadrados de los errores, y provee un ejemplo numérico para ilustrar cómo calcular e interpretar la ecuación de regresión.

    Título original

    2.Modelo de Regresión lineal multiple

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe el modelo de regresión múltiple, que estudia cómo una variable dependiente (y) se relaciona con dos o más variables independientes. Explica que la ecuación de regresión estima los coeficientes β que minimizan la suma de los cuadrados de los errores, y provee un ejemplo numérico para ilustrar cómo calcular e interpretar la ecuación de regresión.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    40 vistas3 páginas

    2.modelo de Regresión Lineal Multiple

    Cargado por

    mena arizaca
    El documento describe el modelo de regresión múltiple, que estudia cómo una variable dependiente (y) se relaciona con dos o más variables independientes. Explica que la ecuación de regresión estima los coeficientes β que minimizan la suma de los cuadrados de los errores, y provee un ejemplo numérico para ilustrar cómo calcular e interpretar la ecuación de regresión.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 3

    ESTADISTICA II

    MODELO DE REGRESIÓN MULTIPLE

    El análisis de regresión múltiple es el estudio de la forma en que una variable dependiente ”𝑦”, se
    relaciona con dos o más variables independientes. En el caso general emplearemos "𝑝" para
    representar la cantidad de variables independientes.

    MODELO DE REGRESIÓN Y ECUACION DE REGRESION

    La ecuación que describe la forma en que la variable dependiente "𝑦", se relaciona con las variables
    independientes 𝑋1 ; 𝑋2 ; 𝑋3 ; … . . ; 𝑋𝑝 y un término de error se llama “modelo de regresión” y tiene
    la forma siguiente:

    𝑌 = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + . . . +𝛽𝑝 𝑥𝑝 + 𝑒

    Y la ecuación de regresión está dada por:

    𝑌 = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + . . . +𝛽𝑝 𝑥𝑝

    Los coeficientes de regresión muestral 𝛽0 , 𝛽1 , 𝛽2 , . . . , 𝛽𝑝 se calculan por el método de mínimos


    cuadrados. Esté método consiste en determinar los coeficientes de manera que hagan mínima la
    suma de los cuadrados de los residuos (SCE) expresada por:

    𝑛 𝑛 𝑛
    2
    𝑆𝐶𝐸 = ∑ 𝑒𝑖2 = ∑(𝑦𝑖 − 𝑦̂𝑖 )2 = ∑(𝑦𝑖 − 𝛽0 − 𝛽1 𝑥1𝑖 −𝛽2 𝑥2𝑖 − ⋯ … … − 𝛽𝑝 𝑥𝑖𝑝 )
    𝑖=1 𝑖=1 𝑖=1

    Derivando 𝑆𝐶𝐸 cada vez con respecto a 𝛽0 , 𝛽1 , 𝛽2 , . . . , 𝛽𝑝 e igualando a cero, se obtienen las
    siguientes 𝑘 + 1 ecuaciones normales:

    𝑛𝛽0 + 𝛽1 ∑ 𝑥1 + 𝛽2 ∑ 𝑥2 … … … + 𝛽𝑝 ∑ 𝑥𝑝 = ∑ 𝑦

    𝛽0 ∑ 𝑥1 + 𝛽1 ∑ 𝑥12 + 𝛽2 ∑ 𝑥1 𝑥2 + ⋯ … … + 𝛽𝑝 ∑ 𝑥1 𝑥𝑝 = ∑ 𝑥1 𝑦

    𝛽0 ∑ 𝑥2 + 𝛽1 ∑ 𝑥2 𝑥1 + 𝛽2 ∑ 𝑥22 + ⋯ … … + 𝛽𝑝 ∑ 𝑥2 𝑥𝑝 = ∑ 𝑥2 𝑦

    ………………………………………………………………………………………………………...

    …………………………………………………………………………………………………………

    𝛽0 ∑ 𝑥𝑝 + 𝛽1 ∑ 𝑥𝑝 𝑥1 + 𝛽2 ∑ 𝑥𝑝 𝑥2 + ⋯ … … + 𝛽𝑝 ∑ 𝑥𝑝2 = ∑ 𝑥𝑘 𝑦

    Donde:
    ∑ 𝑥𝑗 = ∑𝑛𝑖=1 𝑥𝑗𝑖 para 𝑗 = 1, 2, … … . , 𝑝
    ESTADISTICA II

    Estas ecuaciones pueden ser resueltas para 𝛽0 , 𝛽1 , 𝛽2 , . . . , 𝛽𝑝 por cualquier método apropiado
    para resolver sistema de ecuaciones lineales. Sin embargo, existes paquetes de cómputo para
    realizar estos cálculos.

    Observación. - En el modelo de regresión múltiple las variables independientes pueden incluir


    variables cualitativas. Si esto sucediera, los valores de la variable llamada “variable indicadora”,
    deben ser codificados.

    Ejemplo

    Se realiza un estudio de asociación entre las siguientes variables:

    𝑌: Gastos mensuales expresados en cientos de dólares

    𝑋1 : ingreso mensual familiar en miles de dólares

    𝑋2 : Tamaño de la familia (número de hijos)

    En una muestra de 10 familias escogidas al azar se encontraron los datos que se muestran en la
    tabla siguiente:

    𝑌 𝑋1 𝑋2

    45 10 8
    40 9 8
    38 8 6
    35 7 6
    32 7 5
    30 6 4
    28 6 3
    27 4 2
    25 3 2
    22 2 1

    Determinar la ecuación de regresión muestral de los gastos mensuales con respecto a las dos
    variables: Ingreso mensual y número de hijos.

    Estime el gasto mensual para una familia de 8 hijos y cuyo ingreso mensual es de $7,000

    Solución

    Para determinar la ecuación de regresión: 𝑌 = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 debemos encontrar los


    coeficientes 𝛽0 , 𝛽1 , 𝛽2 y lo obtenemos mediante una prueba Excel:

    Coeficientes
    Intercepción 19.1119157
    Variable 𝑋1 0.65503621
    Variable 𝑋2 1.91705069
    ESTADISTICA II

    La ecuación de regresión múltiple es:

    𝑌 = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2
    𝑌 = 19.1119157 + 0.65503621𝑥1 + 1.91705069𝑥2
    El gasto mensual de una familia con 8 hijos y un ingreso mensual $7,000 es:

    Ingreso mensual 𝑥1 = 7

    Número de hijos: 𝑥2 = 8

    𝑌 = 19.1119157 + 0.65503621𝑥1 + 1.91705069𝑥2


    El gasto mensual por familia es de: 39.03357469 × 1000 = $ 39033.57

    INTERPRETACIÓN DE LA ECUACIÓN DE REGRESIÓN

    Cuando se tiene una ecuación de regresión múltiple donde las unidades de medición son las mismas
    tanto para la variable dependiente 𝑌, como para las variables independientes 𝑥1 ; 𝑥2 ; 𝑥3 ; … . . ; 𝑥𝑝
    los coeficientes de regresión parcial se comparan de la siguiente forma:

    La cantidad 𝛽0 es la ordenada en el origen. Para 𝑝 = 2 por ejemplo es el intercepto del plano de


    regresión con el eje 𝑌 cuando 𝑋1 = 0 y 𝑋2 = 0

    Los demás coeficientes de regresión parcial indican el cambio promedio de 𝑌 correspondiente a un


    incremento unitario de 𝑋𝑖 , cuando las demás 𝑋 permanecen constantes.

    Por ejemplo, la ecuación de regresión múltiple del ejemplo anterior

    𝛽0 = 19.1119157 es la ordenada en el origen

    𝛽1 = 0.65503621 indica que existe un aumento unitario en 𝑋1 , por ejemplo si hay un aumento
    unitario de $ 1000 en los ingresos mensuales por familia los gastos mensuales 𝑌 aumentan en
    promedio 0.65503621en miles de dólares es decir 0.65503621 × 1000 = $655.03621
    manteniendo constante 𝑋2 número de hijos por familia.

    El valor 𝛽2 = 1.91705069 indica que si hay un aumento de un miembro en la familia (𝑋2 ) entonces
    hay un aumento promedio de $1.91705069 miles de dólares $1.91705069 × 1000 =
    $1917.05069 en los gastos mensuales, permaneciendo constante 𝑋1 (ingresos mensuales)

    Esto se debe a que las unidades de 𝛽1 , 𝛽2 son respectivamente:


    𝐺𝑎𝑠𝑡𝑜𝑠 (𝑒𝑛 𝑚𝑖𝑙𝑒𝑠 𝑑𝑒 𝑑ó𝑙𝑎𝑟𝑒𝑠)
    𝛽1 =
    𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 (𝑒𝑛 𝑚𝑖𝑙𝑒𝑠 𝑑𝑒 𝑑ó𝑙𝑎𝑟𝑒𝑠)

    𝐺𝑎𝑠𝑡𝑜𝑠 (𝑒𝑛 𝑚𝑖𝑙𝑒𝑠 𝑑𝑒 𝑑ó𝑙𝑎𝑟𝑒𝑠)


    𝛽2 =
    𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑖𝑒𝑚𝑏𝑟𝑜𝑠 𝑝𝑜𝑟 𝑓𝑎𝑚𝑖𝑙𝑖𝑎

    También podría gustarte