Documente Academic
Documente Profesional
Documente Cultură
1
Análisis de Regresión Múltiple
3
Análisis de Regresión Múltiple
El análisis de regresión
múltiple es similar al análisis
de regresión simple pero más
complejo.
Donde:
γ = valor de la variable dependiente
β0 = ordenada γ poblacional
β1 = pendiente poblacional
Є = el error de pronóstico
6
Análisis de Regresión Múltiple
γ = β0 + β1χ1+ β2χ2+ β3χ3+…+ Є
Donde
γ = valor de la variable dependiente
β0= constante de regresión
β1= coeficiente de regresión parcial para la
variable independiente 1
β2= coeficiente de regresión parcial para la
variable independiente 2
7
Análisis de Regresión Múltiple
β3= coeficiente de regresión
parcial para la variable
independiente 3
βk=coeficiente de regresión
parcial para la variable
independiente k
k = número de variables
8
independientes
Análisis de Regresión Múltiple
9
Análisis de Regresión Múltiple
La constante y coeficiente se
estima con la información de la
muestra, lo que resulta en el
modelo siguiente:
ŷ = b0 + b1χ1+ b2χ2 12
Modelo de regresión múltiple con
dos variables independientes
(primer orden)
respuesta.
Modelo de regresión múltiple con
dos variables independientes
(primer orden)
En el modelo de regresión
múltiple con dos variables
independientes de primer
orden, la superficie de
respuesta es un plano de
respuesta, que se ajusta en
un espacio tridimensional (x1,
x2,y). 14
Determinación de la ecuación
de regresión múltiple
17
Determinación de la ecuación
de regresión múltiple
b0 n + b1Σχ1 + b2Σχ2 = Σγ
b0 Σχ1 + b1Σχ12 + b2Σχ1χ2 = Σχ1γ
b0 Σχ2 + b1Σχ1χ2 + b2Σχ2 = Σχ2γ
2 20
Determinación de la ecuación
de regresión múltiple
Materia 21
Modelo de regresión
múltiple
Serealizó un estudio de bienes
raíces en una pequeña ciudad
de Louisiana para determinar
cuáles variables, si las hay,
están relacionadas con el
precio de mercado de una
casa.
22
Modelo de regresión
múltiple
Se exploraron diversas variables,
incluyendo el número de
recámaras, el número de baños,
la antigüedad de la casa, el
número de pies cuadrados de
especio de vivienda, el número
total de pies cuadrados de
especio y el número de cocheras.
23
Modelo de regresión
múltiple
Suponga que el investigador desea
crear un modelo de regresión para
pronosticar el precio de mercado de
una casa para dos variables, “número
total de pies cuadrados de la casa” y
“la antigüedad de la casa”.
24
Nombre
Materia del 25
Profesor
Modelo de regresión
múltiple
ŷ = 57.4 + 0.0177x1 – 0.666x2
La constante 57.4 es la
ordenada de γ y representa el
valor de ŷ si x1 (número de pies
cuadrados) y x2 (antigüedad)
son cero.
26
Modelo de regresión
múltiple
En este ejemplo, una comprensión
práctica de la ordenada de γ no
tiene significado.
33
Modelo de regresión múltiple
34
Modelo de regresión múltiple
37
Modelo de regresión múltiple
Determine el volumen
pronosticado de carga si lo
longitud de los caminos es de
600 mil millas y el número de
vehículos comerciales es de
tres millones.
38
Modelo de regresión múltiple
39
Modelo de regresión múltiple
40
Modelo de regresión múltiple
41
Modelo de regresión múltiple
mantiene constante.
Modelo de regresión múltiple
ŷ = 157,655
44
Modelo de regresión múltiple
46
47
Nombre
Materia del 48
Profesor
Modelo de regresión múltiple
50
Modelo de regresión múltiple
51
Modelo de regresión múltiple
X1 = 43 4,300 HTAC
X2 = 16 1,600 HTC
52
Modelo de regresión múltiple
Sustituyendo estos valores obtenemos:
ŷ = 28.008 descubrimientos estimados en
$28,008,000.
53
Modelo de regresión múltiple
54
Modelo de regresión múltiple
La evaluación de lo adecuado del
modelo de regresión se puede hacer
en varias formas:
a) Estudiar las pruebas de
significancia de los coeficientes
de regresión,
b) Calcular los residuales,
c) Examinar el error estándar de la
estimación, y
d) Observar el coeficiente de
determinación.
55
Modelo de regresión múltiple
A continuación, el valor de γ – ŷ se
calcula para cada conjunto de
observaciones.
Nombre
Materia del 63
Profesor
Residuales, Error Estándar de
la Estimación y R2
SSE tiene uso limitado como medida de
error, pero es una herramienta empleada
para resolver otras medidas más útiles
como el error estándar de la estimación
Se, que es esencialmente la desviación
estándar de residuales (error) para el
modelo de regresión.
El error estándar de la estimación, Se,
por lo general es la salida estándar desde
el análisis de regresión por paquete de
software.
Nombre
Materia del 64
Profesor
Residuales, Error Estándar de
la Estimación y R2
COEFICIENTE DE DETERMINACIÓN MÚLTIPLE
(R2)
Nombre
Materia del 65
Profesor
Residuales, Error Estándar de
la Estimación y R2
R2 AJUSTADO
Cuando se sumen más variables
independientes a un modelo de regresión,
el valor de R2 no puede disminuir y casi
todos los casos aumentará.
El valor de SSyy para un conjunto dado de
observaciones permanecerá igual cuando
se sumen variables independientes al
análisis de regresión, por que SSyy es la
suma de cuadrados para la variable
dependiente.
Nombre
Materia del 66
Profesor