IV.

MODELOS DE
REGRESIN MLTIPLE
Materia: Econometra
Carrera: Mercadotecnia
Docente: Lic. Kadir Lanza R.
Gestin: I 2013
Cochabamba - Bolivia

DEFINICIN DEL ANLISIS

MULTIVARIANTE

Conjunto de mtodos estadsticos que permiten

el anlisis de forma simultnea de mas de dos
variables observadas en una Investigacin
Comercial.
Conjunto de mtodos que analizan las relaciones
entre un nmero razonablemente amplio de
variables (medidas), tomadas sobre cada
elemento de anlisis, en una o ms muestras
simultneamente.

Anlisis inferencial de los datos

Unidimensional

Bidimensional

Multidimensional

Estimaci
n

Promedios
Varianzas
Proporciones

MANOVA
Regresin
mltiple
Correlacin
cannica

Test de
hipotesis

Test
Conformidad

Correlaci
n
Regresin
simple
Test de

Mtodos no
paramtricos

Test
Significacin
Run test
Wilcoxon
MannWhitney
Kruskall

MANOVA
Discriminante
Cannico

comparacin
Test de
significacin

Spearman

Kernell

Kendall

Redes
neuronales
7

Anlisis de regresin mltiple

EL ANLISIS DE REGRESIN MLTIPLE:

CONCEPTO

Mtodo multivariante que analiza la relacin entre una nica variable

dependiente (criterio) y varias variables independientes
(predictores). El objetivo es predecir cambios en la variable
dependiente en respuesta a cambios en varias de las variables
independientes

Cada variable predictor es ponderada, indicando la

ponderacin su contribucin relativa a la prediccin conjunta

El conjunto de variables independientes ponderadas se

denomina valor terico de la regresin o ecuacin de
regresin
Y= b0 + b1X1 + b2X2 +.....+ bn Xn

Tcnica de dependencia en la que los datos deben ser

mtricos o apropiadamente transformados

Anlisis de regresin mltiple

OBJETIVOS DE LA REGRESIN MLTIPLE

Prediccin de la variable criterio con un conjunto de
variables independientes, de forma que se maximice el
valor terico de la regresin.
La prediccin del modelo elegido debe demostrar tanto
significacin prctica como estadstica

Explicacin objetiva del grado y carcter de la relacin

entre las variables independientes y la variable
dependiente. Concretamente:

Determinacin de la importancia relativa de cada variable

independiente sobre la variable dependiente (magnitud y
direccin de la relacin)

Evaluacin de la naturaleza de las relaciones entre las

variables independientes y la dependiente (lineal y/o

curvilineal)
Evaluacin de las interrelaciones entre las variables
independientes

Anlisis de regresin mltiple

SUPUESTOS EN LA REGRESIN MLTIPLE

NORMALIDAD
El perfil de la distribucin de los datos se corresponde con una distribucin
normal.
LINEALIDAD
Resulta necesario identificar cualquier desplazamiento de la linealidad que pueda
impactar la correlacin.
HOMOSCEDASTICIDAD
Varianza constante del trmino de error. Se refiere al supuesto de que las
variables dependientes exhiban iguales niveles de varianza a lo largo del
rango de los valores de las variables independientes.

Y = B0 + B1X1 +B2X2 + i

POBLACIN

y = b 0 + b1 X 1 + b2 X2

MUESTRA

y = b0 N + b1 X1 + b2 X2

Ecuaciones
normales

y X1 = b0 X1 + b1 X12+ b2
X1 X2
y X2 = b0 X2 + b1 X1 X2 + b2 X22

EJEMPLO
G. PUBLICIDAD

G. DISTRIBUCIN

VENTAS

6 b0 + 27 b1 + 30 b2 = 258
27 b0 + 169 b1 + 177 b2 = 1444
30 b0 + 177 b1 + 190 b2 = 1566
b0 = 7
b1 = -2
b2 = 9

(1)
(2)
(3)

ERROR ESTNDAR DE LA
ESTIMACIN

nk-1

COEFICIENTE DE
CORRELACIN
R = (Yest Ymed)2
(Y Ymed)2
r
r YX
YX1

rX1X2

Es el que mide
la fuerza de la
relacin entre
Y y las
variables
independientes

Coeficientes de
correlacin parcial

COEFICIENTE DE DETERMINACION
AJUSTADO
SCE
R2Y.12...p= ----------SCTO
n-1
R2Corr.= 1- ((1- R2Y.12.. k ) ---------n-k-1

Necesario cuando se
comparan 2 o +
modelos
de
regresin
que
predicen Y, pero con
diferente N de Xi

Coeficiente de
Determinacin
Mltiple

Representa
la
porcin
de
la
variacin en Y que
se puede explicar
por Xi

LIMITACIONES
COLINEALIDAD: CUANDO LAS
VARIABLES TIENEN
CORRELACIN ENTRE S
AUTOCORRELACIN:
AUSENCIA DE
INDEPENDENCIA
Probar el modelo

Ejemplo en SPSS
Resumen del modelob
Modelo
1

R
R cuadrado
.941 a
.885

R cuadrado
corregida
.885

Error tp. de la
estimacin
1.003

Durbin-W
atson
1.957

a. Variables predictoras: (Constante), Consumo de Alcohol, Tiempo de

respuesta
b. Variable dependiente: Tiempo de reaparicin

ANOVAb
Modelo
1

Regresin
Residual
Total

Suma de
cuadrados
2404.672
310.940
2715.612

gl
2
309
311

Media
cuadrtica
1202.336
1.006

F
1194.835

Sig.
.000 a

a. Variables predictoras: (Constante), Consumo de Alcohol, Tiempo de respuesta

b. Variable dependiente: Tiempo de reaparicin

Coeficientesa
Coeficientes no
estandarizados
Modelo
1

(Constante)
Tiempo de respuesta
Consumo de Alcohol

B
16.977
-1.203
-8.89E-02

Error tp.
.209
.030
.003

a. Variable dependiente: Tiempo de reaparicin

Coeficientes
estandarizad
os
Beta
-.766
-.542

t
81.106
-39.797
-28.176

Sig.
.000
.000
.000

Intervalo de confianza para

B al 95%
Lmite
Lmite inferior
superior
16.565
17.388
-1.262
-1.143
-.095
-.083

Ejemplo en SPSS
Grfico P-P normal de regresin Residuo tipificado
Variable dependiente: Tiempo de reaparicin
1.00

P ro b a c u m e s p e ra d a

.75

.50

.25

Grfico de regresin parcial

0.00
0.00

.25

.50

.75

1.00

Variable dependiente: Tiempo de reaparicin

Prob acum observada

4
2

Tiempo de reaparicin

Regresin Residuo tipificado

-1

-2

0
-2
-4
-6
-60

-40

-20

Consumo de Alcohol

-3
-3

-2

-1

Regresin Valor pronosticado tipificado

20

40

Preparado por Len Daro Bello P.

60

EJERCICIO 1

Ejercicio 2

Bibliografa
Gujarati, Damodar (2004). Econometra. Mc. Graw Hill.
Greene Willian H. (2003). Econometric Analysis. Fifth
edition. Prentice Hall, New Jersey
Johnston J. y J. Dinardo (1997). Econometric Methods.
New York, McGraw Hill, United States of America.
Quintana R. Luis y Miguel A. Mendoza G. (2008)
Econometra aplicada: modelos y aplicaciones a la
economa mexicana. Plaza y Valds, Mxico.
Wooldridge J. (2006). Introduccin a la econometra: un
enfoque moderno. Segunda edicin. Thompson, Mxico.

Powerpoint Templates