Vous êtes sur la page 1sur 15

Prof: Cristian Adasme Berros

Departamento de Economa y Administracin


Universidad Catlica del Maule

Permite al investigador predecir los cambios en la


variable dependiente en respuesta a cambios en
varias de las variables independientes
Cundo utilizar?
Cuando el investigador est interesado en
predecir la cantidad o magnitud de la variable
dependiente
Ej:

Comer fuera = f(renta, integrantes, edad)


Ventas empresa = f(gastos publicidad, n vendedores, n
tiendas que distribuyen)

Anlisis de Regresin Mltiple


Ecuacin bsica:
Y = a+b1X1+b2X2++bnXn+e

Donde
Y = variable dependiente o criterio
a = constante estimada
b1-n = coeficientes asociados con las variables
predictoras. Por tanto, un cambio de una unidad en X
causar un cambio de b1 unidades en Y; el valor para los
coeficientes son estimados del anlisis de regresin
X1-n = variables independientes (predictora) que
influencia la variable dependiente

Mediciones

Coeficiente de Determinacin R2
Este estadstico puede asumir valores entre 0 y
1, y provee una medida del porcentaje de la
variacin en la variable dependiente, que es
explicada por la variacin en las variables
independientes
Los parmetros (b) indican el efecto de las
variables independientes individuales sobre la
variable dependiente

Mediciones
Dummy variables
En algunas situaciones el anlisis necesita incluir
variables nominales, tales como gnero, estado
matrimonial, ocupacin u otra dentro del anlisis
de regresin mltiple
Codificar la variable dicotmica como por
ejemplo 0 mujer y 1 hombre

Potenciales problemas en el uso e


interpretacin del anlisis de regresin mltiple
Colinealidad
Ocurre cuando las variables independientes estn
correlacionadas.
Conduce a coeficientes de regresin inestables.

Clasificacin de los coeficientes


La magnitud de los coeficientes de regresin
asociados con las variables independientes,
pueden ser comparados directamente solo si ellos
estn clasificados en las mismas unidades en que
los datos han sido estandarizados

Potenciales problemas en el uso e interpretacin


del anlisis de regresin mltiple
Tamao muestral
El valor de R2 est influenciado por el nmero
de variables predictoras relativo al tamao de
muestra.

Regresin Simple: El salario actual depende del


salario inicial?

Regresin Simple: El salario actual depende del


salario inicial?

Coeficiente de correlacin
(de Pearson)

Coeficiente de
determinacin

Regresin Simple: El salario actual depende del


salario inicial?

R2 expresa la proporcin de la varianza de la variable


dependiente que est explicada por la variable independiente.
R2 = 77,5%. Indica que la variacin del salario est explicada
por el salario inicial.

Regresin Simple: El salario actual depende del


salario inicial?
Tabla resumen ANOVA
informa si existe o no
relacin sig. entre las
Variables. Comop<0,05,
nuestro modelo es sig.

Coeficientes de regresin
parcial

B0 0 y B1 0

Regresin Mltiple: El salario actual depende del salario


inicial, experiencia previa y el nivel de educacin?

Regresin Mltiple: El salario actual depende del salario


inicial, experiencia previa y el nivel de educacin?
BONDAD DE AJUSTE

Coeficiente de correlacin
(de Pearson)

Coeficiente de
determinacin

Regresin Mltiple: El salario actual depende del


salario inicial, experiencia previa y el nivel de
educacin?
Tabla resumen ANOVA
informa si existe o no
relacin sig. entre las
variables

Ecuacin de
Regresin

Coeficientes de regresin
parcial

Coeficientes de regresin
estandarizados

B0 0 B1 0
B2 0 B3 0

NO OLVIDAR LOS SUPUESTOS DEL MODELO DE REGRESIN LINEAL


PARA GARANTIZAR LA VALIDEZ DEL MODELO

Supuestos

Implicancias

Linealidad

Error de especificacin

Independencia

Los residuos deben ser independientes


entre s (residuos = diferencia entre lo obs.
y pronosticado.

Homocedasticidad

Para cada valor Xn la varianza de los


residuos es constante

Normalidad
No colinealidad

No cumplir
el supuesto

Para cada valor Xn los residuos se


distribuyen normalmente con media cero.
No existe relacin lineal exacta entre
ninguna de las Xn. No cumplir el supuesto
origina colinealidad o multicolinealidad