Selene Ortega Hernández

Pruebas de hipótesis en regresión lineal

múltiple.
Las hipótesis sobre los parámetros del modelo son equivalentes a las realizadas
para regresión lineal simple, pero ahora son más necesarias porque en regresión
múltiple tenemos más parámetros en el modelo; sin embargo, por lo general es
necesario evaluar su verdadera contribución a la explicación de la respuesta.
También requerimos de la suposición de que los errores se distribuyen en forma
normal, independientes, con media cero y varianza 2
Análisis de varianza(ANOVA)
La hipótesis global más importante sobre un modelo de regresión múltiple
consiste en ver si la regresión es significativa. Esto se logra probando la
siguiente hipótesis:

Aceptar H0 significa que ningún término o variable en el modelo tiene una

contribución significativa al explicar la variable de respuesta, Y.
Rechaza H0 implica que por lo menos un término en el modelo contribuye de
manera significativa a explicar Y.
Para saber si la hipótesis nula se acepta o rechaza debemos de seguir un
procedimiento para esto debemos de hacer el calculo de:

Suma de cuadrados del error

Si H0 : βj = 0 es verdadera, entonces SCR / 2 tiene una distribución , donde el
número de grados de libertad, k, es igual al número de términos en el modelo
de regresión.
El estadístico de prueba para la significancia del modelo de regresión lineal
múltiple esté dado por:

que bajo H0 tiene una distribución

Criterio de rechazo para H0.

Se rechaza H0 si,

o
Para completar el procedimiento anterior necesitamos una forma explícita para
calcular SCR.
La formula para calcular la suma de cuadrados SCE del es:

Además, como la suma total de cuadrados, Syy, está dada por:

La SCE puede expresarse como:

Así, hemos obtenido una forma explícita para la suma de cuadrados de la
regresión:

Todo el procedimiento anterior se puede resumir en la siguiente tabla:

Tabla ANOVA (Análisis de varianza) para la significancia del modelo de regresión

multiple.
Ejemplo: En la tabla se observan 16 observaciones de viscosidad de un
polímero(y) y dos variables de proceso: la temperatura de reacción(X1) y la
velocidad de alimentación del catalizador (X2). Obtenga el ANOVA y sus
conclusiones.
Velocidad de
Viscosidad Temperatura alimentación
Y X1 X2
2256 80 8
2340 93 9
2426 100 10
2293 82 12
2330 90 11
2368 99 8
2250 81 8
2409 96 10
2364 94 12
2379 93 11
2440 97 13
2364 95 11
2404 100 8
2317 85 12
2309 86 9
2328 87 12
Procedimiento.
Primero debemos de plantear las hipótesis.

Después debemos de empezar a calcular la tabla ANOVA.

Calcular la sema de cuadrados de la regresión SCR.

Multiplicación de por X’y

(1566.32242 * 37577) + (7.6260758*3429550) + (8.7128146*385562) = 88371036.06

Sustituir en fórmula SCR .

(37577)2
𝑆𝐶𝑅 = 88371036.06 −
16
𝑆𝐶𝑅 =119102.9965