OBJETIVOS

z Escribir la relacin entre 2 o ms variables

independientes y una dependiente utilizando la ecuacin
de regresin mltiple.
REGRESION MULTIPLE z Calcular e interpretar el error estndar mltiple de
estimacin y el coeficiente de determinacin.
z Interpretar la matriz de correlacin.
ING. ROSMERY MAYTA H z Realizar el cuadro de ANOVA y explicarlo.
z Realizar la prueba de hiptesis para determinar si los
2010 coeficientes de regresin son diferentes de cero (prueba
global).
z Realizar una prueba de hiptesis para cada uno de los
coeficientes de regresin

REGRESION MULTIPLE

zRealizar la prueba de hiptesis del efecto La regresin mltiple y el anlisis de

lineal y del efecto curvilneo. correlacin mltiple consiste en estimar una
variable dependiente, utilizando dos o ms
zAnlisis de influencia.
variables independientes.

El modelo genrico ser

Y = f ( X 1 , X 2 , X 3 ,....)
Variable Variables
dependiente independientes

Visualizacin: se puede representar una

Cuando se tiene dos variables. La ecuacin se ecuacin de regresin mltiple con dos
representa de la siguiente forma: variables, como un plano
Y = b 0 + b 1 X 1 + b 2 X 2
: Valor estimado correspondiente a la variable
Y dependiente
Donde:
X1 y X2: variables independientes
zbo: es la intercepcin con el eje Y
zb1: es el cambio neto en Y por cada cambio unitario en X1,
manteniendo X2 constante. Se denomina coeficiente de
regresin neta .
zb2: Coeficiente de regresin

1
Ecuacin General de Regresin
METODO DE MINIMOS CUADRADOS
Mltiple
Para calcular los coeficientes, se utiliza el
mtodo de Mnimos cuadrados, este mtodo
Y = a + b1 X 1 + b2 X 2 + b3 X 3 .........bk X k
nos garantiza que la suma de cuadrados de los
errores sea mnimo. Las ecuaciones normales
Donde: son:
X1, X2, X3...Xk: Variables independientes Y = nb 0 + b1 X1 + b 2 X 2
X1Y = b 0 X1 + b1 X12 + b 2 X1X 2
X 2 Y = b 0 X 2 + b1 X1 X 2 + b 2 X 22
Donde bo, b1 y b2 son los coeficientes de regresin
estimados.

Consideraciones acerca de la regresin y la

Error estndar mltiple correlacin mltiples
z El error estndar de estimacin en el anlisis de z Las variables independientes y las variables dependientes tienen
regresin mltiple mide el error para los valores de Y una relacin lineal.
con respecto al plano de regresin ( cuando z La variacin en la diferencia entre los valores real y pronosticado es
la misma para todos los valores ajustados de Y. Esto es (Y-Y) debe
intervienen 2 variables independendientes). ser aproximadamente igual para todos los valores de Y. Cuando tal
sea el caso, las diferencias presentan homoscedastidad.
z Los residuos, calculados de Y-Y, estn distribuidos en forma
(Y Y )
2 normal con media igual a 0.
SY .12...k = z Las observaciones sucesivas de la variable dependiente no estn
n (k + 1) correlacionadas. Si tal consideracin no se cumple, la situacin se
denomina auto correlacin. Tal auto correlacin ocurre con
Donde: frecuencia cuando se recopilan datos sucesivamente en intervalos
de tiempo.
Y: es la observacin
: es el valor estimado a partir de la ecuacin de regresin
n: nmero de observaciones.
K: nmero de variables independientes

Anlisis de correlacin mltiple

Se utilizan los tres coeficientes zSus valores varan de 0 a 1 siempre es es

zCoeficientes de correlacin Mltiple positivo
zCoeficiente de determinacin Mltiple z0.95: indica una asociacin muy fuerte
zCoeficiente de no determinacin entre las variables dependientes e
independientes.
Coeficiente de correlacin mltiple:
z0.08: Indica una relacin muy dbil
Es la medida de la fuerza de asociacin
entre la variable dependiente y dos o mas
variables independientes

2
 Coeficiente de Determinacin (r2)
COEFICIENTE DE DETERMINACION
Es la proporcin ( porcentaje) de la
variacin total en la variable dependiente SSR
y que se explica por medio del conjunto de R 2 Y 12 =
variables independientes. .R2 TotalSS
COEFICENTE DE LA NO DETERMINACION:
Mide la proporcin de la variacin total en
la variable dependiente y, que no se debe
a las variables independientes. Se obtiene
1-.R2

PRUEBA GLOBAL
z Se usa para poner a prueba la capacidad de las zCalcular el F cal y el F (,k, n-k-1) (tablas)
variables independientes, para explicar el
comportamiento de la variable dependiente Y. z: el nivel de significancia
z Procedimiento
zK: Numero de variables independientes
z 1)
Ho: 1=2=3........k z.n : Tamao de la muestra
Ha: No todas las son iguales a cero. 4) Si el Fcal es > Ft, entonces se rechaza la
Donde : 1,2,3,....,k = coeficientes de regresin hiptesis nula
neta en la poblacin.
z 2) Nivel de significancia
z 3) Se utiliza el estadstica F

5) Tabla ANOVA
FV GL SS MS F

Regressions k SSR MSR=SSR/K MSR/MSE

Error n-(k+1) SSE MSE=SSE/(n-(k+1))

Total n-1 SST

Suma de cuadrado total: SS total =

Suma de cuadrado del error SSE =
(Y Y')
2

Suma de cuadrado debido a la regresion: SSR = SS total - SSE

3
PRUEBA DE HIPOTESIS INDIVIDUAL PARA
CADA UNO DE LOS COEFICIENTES

2) Definir el nivel de significancia

z Se usa para probar las variables individualmente para
determinar cuales coeficientes de regresin podran ser 3) El estadstico a utilizar es t
cero y cuales no.
Calcular el valor de t para cada uno de los
z Si una es cero, esto implica que tal variable
independiente en particular, no es de ningn valor para coeficientes
explicar cualquier variacin en el valor dependiente.
Tk =( b1-1) / Sb1
1) Plantear la hiptesis
Para: Variable 1 Variable 2 ..... Variable k Tk =( b2-2) / Sb2
Ho: 1=0 Ho: 2=0 Ho: k=0
Tk =( b3-3) / Sb3
Ha: 10 Ha: 20 Ha: k0

ESTIMACIN DEL INTERVALO DE

CONFIANZA
zCalcular el t cal y el t (, n-k-1) (tablas)
z: el nivel de significancia zEs la estimacin del valor de poblacin de
zK: Numero de variables independientes un coeficiente de regresin. El anlisis de
regresin se puede obtener una
z.n : Tamao de la muestra
estimacin de intervalo de confianza
4) Si el Tk es > Tt, entonces se rechaza la
hiptesis nula ( se realiza para cada uno
de los coeficientes) y se acepta la
alternativa

Estimacin de intervalo para los

coeficientes de regresin parcial
zK: Indica la variable independiente

bk tnp1Sbk correspondiente.
zP: Numero de variables independientes
zSbk: es el error estndar de la variable
independiente k

4
 MODELO DE REGRESIN CURVILNEO

zUna de las relaciones no lineales ms

comunes es la relacin polinomial
MODELO CURVILINEO curvilnea entre dos variables en la que Y
aumenta (o disminuye) con una rapidez
variable para diferentes valores de X. Este
modelo da una relacin polinomial entre X
e Y puede expresarse como

z0 = Interseccin Y
z1 = Efecto lineal en Y
Yi = 0 +1X1i +11X21i +i z11= Efecto curvilneo en Y
zi= Error aleatorio en Y para la
observacin

PRUEBA DE SIGNIFICANCIA DEL

MODELO CENTRADO MODELO CURVILINEO
z.Prueba global
z Un planteamiento alternativo al modelo de regresin
curvilneo consiste en centrar los datos mediante la 1) Plantear la hiptesis
sustraccin de la media de la variable explicativa de Ho: 1=0 Ho: 11=0
cada valor del modelo. Este modelo de regresin
centrada se presenta en la ecuacin. Ha: No todos los beta son iguales a
cero
Yi = b'0 +b'1 (X 1i X 1 ) + b11 (X 1i X 1 ) 2) Definir el nivel de significancia
2

3) El estadstico a utilizar es F
Calcular el valor de F

5
 5)

2) Definir el nivel de significancia

3) El estadstico a utilizar es F
4)Calcular el F cal y el F (,k, n-k-1) (tablas)
z : el nivel de significancia. k= 2
zK: Numero de variables independientes
z.n : Tamao de la muestra
5) Si el Fcal es > Ft, entonces se rechaza la
hiptesis nula

PRUEBA DE HIPOTESIS PARA PROBAR

EL EFECTO CURVILINEO
2) Definir el nivel de significancia
1) Plantear la hiptesis 3) El estadstico a utilizar es t
Para: Variable 1 Variable 2 .....
Variable k 4)Calcular el t cal y el t (, n-k-1) (tablas dos
Ho: 11=0 (La inclusin del efecto curvilineo no mejora colas)
de forma significativa el modelo
z: el nivel de significancia k=2
Ha: 0 (
11 La inclusin del efecto curvilineo mejora de
forma significativa el modelo zK: Numero de variables independientes
z.n : Tamao de la muestra

PRUEBA DE HIPOTESIS PARA PROBAR

EL EFECTO LINEAL
5) Calcular el valor de t para cada uno de
los coeficientes
Tk =( b11-11) / Sb11 1) Plantear la hiptesis
Para: Variable 1 Variable 2 .....
Si el Tcal es > Tt, entonces se rechaza la Variable k
hiptesis nula ( se realiza para cada uno Ho: 1=0 (La inclusin del efecto lineal no mejora de
de los coeficientes) y se acepta la forma significativa el modelo

alternativa Ha: 10 (La inclusin del efecto lineal mejora de forma

significativa el modelo

6

2) Definir el nivel de significancia
3) El estadstico a utilizar es t
Calcular el valor de t para cada uno de los
coeficientes
Tk =( b1-1) / Sb1
Ejemplo :MODELO CURVILINEO
zSe tiene los datos de precio y ventas de
un determinado producto realizar la
prueba de hiptesis del efecto lineal y
curvilneo
zCalcular el t cal y el t (, n-k-1) (tablas dos
colas)
z: el nivel de significancia k=2
zK: Numero de variables independientes
z.n : Tamao de la muestra
4) Si el Tk es > Tt, entonces se rechaza la
hiptesis nula ( se realiza para cada uno
de los coeficientes) y se acepta la
alternativa
PRUEBA DE HIPOTESIS DEL MODELO
CURVILINEO
zPrueba global
1) Plantear la hiptesis
Para: Variable 1 Variable 2 .....
Variable k
Ho: 1 = 11 = 0
Ha: 1 110
7
 zSi el Fk es > Ft,
2) = 0.05 37.56 >3.89 ,entonces se rechaza la
3) El estadstico a utilizar es F hiptesis nula y se acepta la alternativa
4) El Ft (0.05,2, n-k-1) : el nivel de significancia
k=2
z .n : Tamao de la muestra
z F(2,12) = 3.89
5) Calcular el valor de F para cada uno de los
coeficientes
Fk = 6221.2/165.6= 37.56

PRUEBA DE HIPOTESIS PARA PROBAR

EL EFECTO CURVILINEO
2) = 0.05
3) El estadstico a utilizar es t
1) Plantear la hiptesis 4) Calcular el t cal y el t (0.05, 12) = 2.17 (tabla dos colas)
Para: Variable 1 Variable 2 ..... z : el nivel de significancia k=2
Variable k z K: Numero de variables independientes
z .n : Tamao de la muestra
Ho: 11=0 (La inclusin del efecto curvilneo no mejora
de forma significativa el modelo 5) Calcular el estadstico y tomar la decisin
Calcular el valor de t para cada uno de los coeficientes
Ha: 0 (
11 La inclusin del efecto curvilneo mejora de
forma significativa el modelo Tkl = 465/ 176.2=2.64

PRUEBA DE HIPOTESIS PARA PROBAR

EL EFECTO LINEAL
Si el Tkl es > Tt
Como 2.64 >2.17 entonces se rechaza la
hiptesis nula , se concluye la inclusin 1) Plantear la hiptesis
del efecto curvilneo mejora de modo Para: Variable 1 Variable 2 .....
significativo el modelo. Variable k
Ho: 1=0 (La inclusin del efecto lineal no mejora de
forma significativa el modelo
Ha: 10 (La inclusin del efecto lineal mejora de forma
significativa el modelo

8

2) = 0.05
3) El estadstico a utilizar es t
4) Calcular el t cal y el t (0.05, 12) = 2.17 (tabla
dos colas)
z: el nivel de significancia k=2
zK: Numero de variables independientes
z.n : Tamao de la muestra
5) Calcular el valor de t para cada uno de
los coeficientes
Tk = -1088,7/349.5= -3.11
Si el Tk es > Tt
Como -3.11 <-2.17 entonces se rechaza la
hiptesis nula , se concluye que la
inclusin del efecto lineal mejora el
modelo del efecto curvilneo