Regresion Lineal Múltiple

UNIVERSIDAD NACIONAL
“JOSÉ FAUSTINO SÁNCHEZ CARRIÓN”

Escuela Académica Profesional de Estadística e
Informática
ANÁLISIS DE REGRESIÓN CON VARIABLES
MÚLTIPLES
Docente : Palomares Claros Mirta
Curso: Econometría
Integrantes :
• Azucena Sanchez Raquel
• Blanco Napuri, Candy
• Osorio Solorzano, Andrea
• Sotelo Castro, Brisa
REGRESIÓN LINEAL
 Es un método matemático que se utiliza para realizar predicciones respecto de la

relación entre una variable dependiente (Y), con respecto a otras variables,
llamadas explicativas o independientes (X).
 Asimismo, el modelo busca determinar cuál será el impacto sobre la variable (Y)
ante un cambio en las variables explicativas (X) mediante una ecuación general.
INTRODUCCIÓN
El procedimiento de Regresión Lineal permite utilizar mas de una variable

independiente y permite llevar a cabo análisis de regresión múltiple
En el análisis de regresión múltiple la ecuación ya no define una recta en el plano ,
si no un hiperplano en un espacio multidimensional
En el caso de una variable dependiente y dos independientes.

Se necesita tres ejes para poder representar el diagrama de dispersión.
IMPORTANCIA PARA LOS NEGOCIOS Y
LA ECONOMÍA
La regresión y correlación múltiple

son dos técnicas estadísticas que se
pueden aplicar para solucionar
problemas comunes de los negocios,
en donde se desee conocer la
relación existente entre una variable
dependiente y varias variables
independientes.
IMPORTANCIA PARA LOS NEGOCIOS Y
LA ECONOMÍA
Por lo que para las áreas de economía

y negocio es una herramienta de gran
utilidad que permite analizar una gran
cantidad de datos sobre la realidad
económica y establecer la relación
que existe entre las variables en
estudio que permita tomar decisiones
sobre una situación específica.
REGRESIÓN LINEAL MÚLTIPLE
• Es un método de inferencia estadística que permite comprender la

relación entre una variable aleatoria dependiente (Y) y múltiples
variables aleatorias independiente (Xi), llegando a relacionar la variable
dependiente y las independiente mediante una ecuación.
𝑌 = 𝛽 0 + 𝛽 1 𝑋 1 + 𝛽 2 𝑋 2+ …+ 𝛽 𝑝 𝑋 𝑝+ 𝜀
𝑌 = 𝛽 0 + 𝛽 1 𝑋 1 + 𝛽 2 𝑋 2+ …+ 𝛽 𝑝 𝑋 𝑝+ 𝜀

Donde:
…,
OBSERVACIONES DE LA
REGRESIÓN MÚLTIPLE
• No se debe confundir el análisis de regresión con el análisis de

correlación, ya que la correlación puede indicar relaciones variables que
son de campos de estudio completamente diferentes, mientras que la
regresión nos relaciona variables de campos de estudios similares.
• El experimento económico debe ser realizado según su propósito por

personas que conozcan o tengan un nivel de referencia en el área , para no
incurrir en disparidades conceptuales en los modelos o en estudios
erróneos .
• Las observaciones de la muestra deben tener una distribución normal, por
lo que sus errores también deben comportarse de la misma forma.
DENTRO DE LAS HIPÓTESIS MÁS COMUNES ENTRE
LAS REGRESIONES LINEALES Y MÚLTIPLES SON
a)Normalidad:
b) Linealidad:
c) Independencia:
Requisitos adicionales de la regresión múltiple:
d) n>k+1. El modelo dependiente de (k+2) parámetros. Para que la regresión tenga
significado debe haber más número suficiente de los datos.
e) Ninguna de las variables explicativas X es combinación lineal de las otras
(Colinealidad). Si alguna Xi es combinación lineal exacta de alguna de las otras X, el
modelo puede simplificarse con menos variables explicativas. También hay que
considerar si alguna de las Xi está fuertemente correlacionada con las demás.
COEFICIENTE DE DETERMINACIÓN MÚLTIPLE

Se denota por es otro indicador que mide el porcentaje de la
variación que es
explicado por la regresión dada por la fórmula:
Donde:
SSR = Variación de regresión

SST = Variación total
COEFICIENTE DE CORRELACIÓN
MÚLTIPLE
coeficiente de correlación simple R es otro parámetro estadístico que

El
permite establecer si existe una relación significante entre las variables
independientes ya la variable dependiente.
Por lo que el análisis de regresión múltiple es usado cuando se piensa que

existe una relación estadística entre algunas variables independientes y una
dependiente.
Por lo que este tipo de análisis es usado para incrementar la precisión de las
predicciones de las variable independiente con base en los valores de las
variables independientes.
R CUADRADO – AJUSTADO
indica la proporción de variación de la variable dependiente explicada por la variable

dependiente.
(coeficiente de determinación) nos permite evaluar, en definitiva, la bondad de

ajuste si el modelo se ajusta bien o mal a los datos.
El R cuadrado ajustado es la medición que define el porcentaje explicado por la

varianza de la regresión en relación con la varianza de la variable explicada. Es decir
sirve para saber si un modelo predice con precisión los valores de la variable
explicada, penalizando la inclusión de nuevas variables.
ERROR TÍPICO
Es el valor que muestra la diferencia entre los

valores reales y los estimados de una regresión,
que mide la dispersión de los valores
observador alrededor de la línea de regresión.
ANÁLISIS DE VARIANZA
El análisis de varianza (ANOVA) es una colección de modelos estadísticos y sus procedimientos

asociados, en el cual la varianza esta particionada en ciertos componentes debido a diferentes
factores (variables).Sirve para comparar varios grupos en una variable cuantitativa.
Es una generalización de la prueba T para dos muestras independientes al caso de diseños con mas
de dos muestras.
CONCLUSIONES
Los modelos de regresión simple y múltiple presentan las características

ideales para el tratamiento de variables cuantitativas que responden
según las variables predictoras regresaras dentro del fenómeno
estudiado .
En el proceso de cultivo de microalgas , existen variables que afectan la
dinámica de crecimiento , principalmente la temperatura , el pH y la
intensidad de luz. Las microalgas se alimentan de CO2 y lo convierten en
biomasa en ese proceso liberan oxígeno.
Se sugiere el uso de la regresión simple para modelar la relación entre
cada variable predictiva, de forma independiente , y la variable
respuesta (crecimiento celular de microalga) y posteriormente plantear
un modelado de regresión múltiple.
EJEMPLO APLICATIVO N° 01
En el siguiente articulo desarrollaremos un pronostico atreves de una regresión lineal múltiple que en términos
generales se puede representar por
onde Y es la variable dependiente, ……. las variables independientes y , los coeficientes de la
regresión . En particular consideramos en el siguiente ejemplo una variable dependiente (Ganancias
en millones de $) y 2 variables explicativas o independientes (Numero de vendedores y Precio del
producto en $), es decir
, donde es el N de vendedores y el Precio del Producto ($). La información se resume en la
siguiente tabla
EJEMPLO APLICATIVO N° 02
La gerencia de Hop Scotch Airlines, la aerolínea transportadora más pequeña del mudo, considera que existe una
relación directa entre los gastos publicitarios y el número de pasajeros que escogen viajar por Hop Scotch. Para
determinar si esta relación existe y si en así cual podría ser la naturaleza exacta. Se recolectaron los valores mensuales
por gastos de publicidad y número de pasajeros para los n=15 meses más recientes. Los datos aparecen en la tabla
siguiente. Se observa que los pasajeros están representados con la variable Y, ya que se asume que depende de la
publicidad. La última columna representa la nueva variables del ingreso nacional en billones de dólares.
OBSERVACIÓN PASAJEROS PUBLICIDAD INGRESO NACIONAL

(mes) ($1000) $1000) (Billones de dólares)
1 15 10 2.4
2 17 12 2.72
3 13 8 2.08
4 23 17 3.68
5 16 10 2.56
6 21 15 3.36
7 14 10 2.24
8 20 14 3.2
9 24 19 3.84
10 17 10 2.72
11 16 11 2.07
12 18 13 2.33
13 23 16 2.98
14 15 10 1.94
15 16 12 2.17

Regresion Lineal Múltiple

Cargado por

Copyright:

Formatos disponibles

Regresion Lineal Múltiple

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Regresion Lineal Múltiple

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL

“JOSÉ FAUSTINO SÁNCHEZ CARRIÓN”

 Es un método matemático que se utiliza para realizar predicciones respecto de la

El procedimiento de Regresión Lineal permite utilizar mas de una variable

En el caso de una variable dependiente y dos independientes.

La regresión y correlación múltiple

Por lo que para las áreas de economía

• Es un método de inferencia estadística que permite comprender la

• No se debe confundir el análisis de regresión con el análisis de

• El experimento económico debe ser realizado según su propósito por

SSR = Variación de regresión

coeficiente de correlación simple R es otro parámetro estadístico que

Por lo que el análisis de regresión múltiple es usado cuando se piensa que

indica la proporción de variación de la variable dependiente explicada por la variable

(coeficiente de determinación) nos permite evaluar, en definitiva, la bondad de

El R cuadrado ajustado es la medición que define el porcentaje explicado por la

Es el valor que muestra la diferencia entre los

El análisis de varianza (ANOVA) es una colección de modelos estadísticos y sus procedimientos

Los modelos de regresión simple y múltiple presentan las características

OBSERVACIÓN PASAJEROS PUBLICIDAD INGRESO NACIONAL

También podría gustarte