MODELO DE REGRESION LINEAL MULTIPLE

El procedimiento Regresión Lineal permite utilizar más de una variable

independiente y, por lo tanto, permite llevar a cabo análisis de regresión
múltiple. Pero en el análisis de regresión múltiple, la ecuación de
regresión ya no define una recta en el plano, sino un hiperplano en un
espacio multidimensional.

Imaginemos un análisis de regresión donde la tasa de interés es la

variable dependiente y el ingreso nacional bruto disponible junto con el
ahorro nacional bruto como variables independientes.

Con una variable dependiente y dos independientes, necesitamos tres ejes

para poder representar el correspondiente diagrama de dispersión. Y si en
lugar de dos variables independientes utilizáramos tres, sería necesario un
espacio de cuatro dimensiones para poder construir el diagrama de
dispersión. Y un espacio de cinco dimensiones para poder construir el
diagrama correspondiente a cuatro variables independientes. Etc.

Por tanto, con más de una variable independiente, la representación

gráfica de las relaciones presentes en un modelo de regresión resulta muy
intuitiva, muy complicada y nada útil.

Es más fácil y practico partir de la ecuación de modelo de regresión lineal:

Y = βo+β₁x₁+β₂x₂+····+βkXk+£
De acuerdo con este modelo o ecuación, la variable dependiente (Y) se
interpreta como una combinación lineal de un conjunto de K variables
independientes (Xk), cada una de las cuales va acompañada de un
coeficiente (βk) que indica el peso relativo de esa variable en la ecuación.
La ecuación incluye además una constante (β0) y un componente aleatorio
(los residuos: ε) que recoge todo lo que las variables independientes no
son capaces de explicar.

Este modelo, al igual que cualquier otro modelo estadístico, se basa en

una serie de supuestos (linealidad, independencia, normalidad,
homocedasticidad y no colinealidad) que estudiaremos en detalle en el
siguiente apartado.
 La ecuación de regresión mínimo-cuadrática se construye estimando los
valores de los coeficientes beta del modelo de regresión. Estas
estimaciones se obtienen intentando hacer que las diferencias al cuadrado
entre los valores observados (Y) y los pronosticados ( ) sean mínimas:

Y = βo+β₁x₁+β₂x₂+····+βkXk
Tenemos las tasas de interés de mercado y las vamos a promediar debido
a los periodos o plazos

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
1 Tasas de Depósitos
1.1 30 días 3,19 4,49 4,86 4,07 4,44 2,64 1,57 2,1 2,76 3,22 3,76 3,97
1.2 60 días 3 3,8 4,31 3,97 4,2 2,67 1,47 1,93 2,56 2,97 3,51 3,59
1.3 90 días 3,07 3,99 4,44 4,09 4,29 2,61 1,7 2,7 3,46 3,9 4,38 4,72
1.4 120 días 2,86 3,64 4,24 3,8 4,23 2,62 1,52 2,18 2,82 3,2 3,74 3,78
1.5 150 días 2,67 3,54 4,66 4,22 3,91 2,57 1,65 2,49 2,86 3,34 4,27 4,56
1.6 180 días 3,44 4,39 4,71 4,21 4,48 2,87 1,76 2,52 3,39 3,77 4,24 4,41
1.7 360 días 3,87 4,77 4,94 4,53 4,68 3,02 2,17 3 3,68 3,93 4,47 4,64
Promedio de tasas 3,16 4,09 4,59 4,13 4,32 2,71 1,69 2,42 3,08 3,48 4,05 4,24

Luego tenemos ya nuestro cuadro para trabajar las variables

Tasas de
Ingreso Nacional Bruto Ahorro Nacional ineteres del
Año
Disponible. (X1) Bruto. (X2) mercado.
(Y)
2005 $19.638,24 $2.127,47 3,16
2006 $21.585,34 $2.356,41 4,09
2007 $23.394,19 $2.062,79 4,59
2008 $24.788,56 $1.725,45 4,59
2009 $23.546,79 $2.463,39 4,13
2010 $24.509,45 $2.319,71 2,71
2011 $26.350,40 $2.211,42 1,69
2012 $26.928,80 $2.088,34 2,42
2013 $27.442,10 $2.057,17 3,08
2014 $28.254,45 $2.202,91 3,48
2015 $29.324,18 $2.692,83 4,05
2016 $30.147,76 $3.125,13 4,24
 Vamos a usar la tasa de interés de mercado como variable dependiente.
Pero ahora vamos a incluir 2 variables independientes en el modelo:
Ingreso Nacional Bruto Disponible y Ahorro Nacional Bruto

Para llevar a cabo un análisis de regresión múltiple con las

especificaciones que el programa tiene establecidas por defecto:

| Seleccionar la ficha Datos del menú Análisis de Datos para acceder al

cuadro de diálogo y buscar Regresión

| Seleccionar la variable tasa de interés de mercado en la lista de variables

del archivo de datos y trasladarla al cuadro Dependiente ò “Y”.

| Seleccionar las variables Ingreso Nacional Bruto Disponible y Ahorro

Nacional Bruto y trasladarlas a la lista Independientes ò “X”.

Con estas especificaciones mínimas, al pulsar el botón Aceptar el Visor

ofrece la información que muestra la tabla

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0,23720709
Coeficiente de determinación R^2 0,056267203
R^2 ajustado -0,153451196
Error típico 0,988891064
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 2 0,524741843 0,262370921 0,26829884 0,770585292
Residuos 9 8,801149824 0,977905536
Total 11 9,325891667

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 3,391810795 2,59419764 1,307460443 0,223468459 -2,476671978 9,260293568
Variable X 1 -5,37284E-05 0,000105693 -0,508343904 0,62343765 -0,000292822 0,000185366
Variable X 2 0,000654843 0,000935796 0,699771664 0,501754994 -0,001462074 0,00277176
 ANÁLISIS DEL MODELO REGRESIÓN LINEAL MÚLTIPLE
En nuestro modelo hemos establecido es una variable dependiente Y=
tasa de interés de mercado, y dos variables independientes X1= Ingreso
Nacional Bruto y la otra variable independiente X2= Ahorro Nacional Bruto

Y= 3.3918-5.3728E^-5 X1+0.0006548X2

Esta es la ecuación estimada multiple

Se observa que la relación entre la tasa de interés del mercado con el

ingreso nacional bruto disponible es inversa ya que el valor de β1, es
negativo.

Ahora estudiaremos la interpretación de los coeficientes de regresión.

βo = 3.3918 es el valor de intercepto en el eje "Y" y representa el valor

estimado en una tasa de interés con la variación del incremento y la
disminución del Ingreso Nacional Bruto Disponible, y el Ahorro Nacional
Bruto.

β1 = -5.37E^-5 representa la estimación de cambio en la tasa de interés

debido a un cambio en una unidad del Ingreso Nacional Bruto, mientras
todas las demás variables permanecen constantes; por lo tanto -5.37E^-5
es la estimación de la disminución por sus números mínimos y muy
negativos esperado en las tasas de interés de mercado que corresponde a
la disminución a lo mínimo de una unidad de millón por cada año
registrado en el Ingreso Nacional Bruto Disponible manteniendo constante
la otra variable que sería el Ahorro Nacional Bruto.

En general el valor de β1, representa la relación inversa entre la tasa de

interés del mercado y el Ingreso Nacional Bruto Disponible.

β2 = 0.0006548 este valor representa la estimación de cambio y el efecto

de la tasa de interés debido a un cambio en una unidad del
Ahorro Nacional Bruto, mientras que las demás variables independientes
permanecen constantes; por lo tanto 0.0006548 es la estimación del
aumento esperado de las tasas de interés de mercado que corresponde a
este caso menos de una unidad de millón por cada año registrado en el
Ahorro Nacional Bruto del PIB, en este caso manteniendo constante la
variable del Ingreso Nacional Bruto Disponible.

En general el valor de β2, representa una relación poco factible a favor

entre la tasa de interés y el Ahorro Nacional Bruto ya que determinada
tasa de interés tiende a redituar y generar ganancias por el dinero del
Ahorro Nacional Bruto.

EL ERRROR ESTANDAR DE ESTIMACION

8.801149824

N-k-1= 12-2-1 =9

8.801149824
Sxy=√ = 0.9888910638
12−2−1

El valor de 0.98889 representa la variabilidad en los valores de las tasas de

interés de mercado observadas y las tasas de interés de mercado
estimadas por la función de regresión estimada

Análisis del coeficiente de determinación múltiple (R^2)

SCR= 0.524741843, obteniendo la salida de regresión de Excel

𝑆𝐶𝑅 0.524741843
R^2 = = = 0.056267203
𝑆𝑇𝐶 9.325891667

R^2= 0.056267203
Significa que el 5.62 % de las variaciones en la tasa de interés de mercado
del PIB se explica por la variación conjunta de las variables Ingreso
Nacional Bruto Disponible y Ahorro Nacional Bruto. El valor restante de
94.38% se explica por otras variables exógenas al modelo,

Análisis del coeficiente de correlación múltiple

√0.056267203 = 0.23720709

La tasa de interés de mercado como variable dependiente del modelo de

regresión lineal múltiple está asociada con las variables independientes
Ingreso Nacional Bruto Disponible y Ahorro Nacional Bruto en un 0.2372.
Por lo que podemos concluir que significa que la variable dependiente
tiene un nivel bastante débil de asociación a las variables independientes