CORRELACIÓN PARCIAL Y CORRELACIÓN SEMIPARCIAL

Slides:



Advertisements
Presentaciones similares
Modelado y simulación en Ingeniería Química. Manuel Rodríguez
Advertisements

Métodos Matemáticos I.
División de Estudios Políticos, CIDE
Análisis de Correlación y de Regresión lineal simple
Técnicas estadísticas paramétricas univariantes: regresión
1.Introducción 2.Casos simples de reducción del orden 3.Ecuaciones lineales homogéneas con coeficientes constantes 4.Ecuaciones lineales no homogéneas.
Regresión Lineal Simple
Regresión lineal simple Nazira Calleja
REGRESIÓN LINEAL MÚLTIPLE.
1.Introducción 2.Casos simples de reducción del orden 3.Ecuaciones lineales homogéneas con coeficientes constantes 4.Ecuaciones lineales no homogéneas.
PRONOSTICOS CON REGRESION LINEAL MULTIPLE En la regresión lineal simple se investiga la relación entre una variable independiente y otra dependiente. A.
Nazira Calleja. Es un índice estadístico que cuantifica la magnitud de la relación entre dos variables o la diferencia entre dos grupos. Indica qué tan.
Free and Quick translation of Prof. Anderson's slides1 Analisis de Regresion Multiple y =  0 +  1 x 1 +  2 x  k x k + u 1. Estimacion.
REGRESIÓN LINEAL MÚLTIPLE TEMA INTRODUCCIÓN 2 x1x1 Y x2x2 x3x3 xKxK.
LEONARDO LÓPEZ C. ECONOMIA ESTADISTICA COMPUTARIZADA PARALELO: 261.
Tema 3: Distribuciones bidimensionales: Relación estre dos variables estadísticas Relación estadísca: Correlación Diagramas de dispersión.
TEMA 2: PARÁMETROS ESTADÍSTICOS. ÍNDICE 1. Parámetros estadísticos. 2.Interpretación de la media y desviación típica. 3. Coeficiente de variación.
UNIDAD 1 OPERACIONES CON EXPRESIONES RACIONALES. 1.2 Factorización.
TEMA 3: ESTADÍSTICA BIDIMENSIONAL. ÍNDICE: 1.- Relación estadística: correlación. 2.- Diagramas de dispersión o nube de puntos. 3.- Tablas de frecuencia.
TEMA 3: Estadística Bidimensional. ● Álvaro Fernández Romero y Luis Carlos Fernández herrezuelo.
CORRELACIÓN.  La correlación es la forma numérica en la que la estadística ha podido evaluar la relación de dos o más variables, es decir, mide la dependencia.
1 Pronósticos, Series de Tiempo y Regresión Capítulo 3: Regresión Lineal Simple.
Ing. VITELIO ASENCIOS TARAZONA. Dentro de los modelos causales o asociativos encontramos el análisis de regresión o regresión lineal, que es un método.
Prof. Dr. Luis Alberto Rubio Jacobo CURSO: “Estadística Aplicada al Marketing” MAESTRIA EN GERENCIA DE MARKETING.
MEP- II.
Capítulo 7 Análisis de Mediación
Procedimiento completo de regresión múltiple
Pedro Letelier Patricio Contreras
TALLER REGIONAL SOBRE EL DISEÑO ESTADÍSTICO DE ENCUESTAS DE HOGARES PARA EL ESTUDIO DEL MERCADO LABORAL “Jackknife” Jaime Mojica Cuevas Agosto Panamá.
ESTADÍSTICA UNIDIMENSIONAL
MEP- II.
6. Importancia de la confiabilidad
REGRESIÓN LINEAL MÚLTIPLE (II)
Regresion Multiple Varias variables explicativas
Capítulo 6 Regresión no lineal
Chile: Situacion de la Lechería
Regresión y Correlación Múltiple: Confusión y colinearidad.
Tema 4: Análisis de datos bivariantes numéricos (continuación)
Correlación Lineal de Pearson y Regresión Lineal Simple
PLANIFICACIÓN ACADÉMICA CBM-3A
EL ANÁLISIS DE REGRESIÓN MÚLTIPLE Sesión Miércoles 21 de Julio
RELACIÓN ENTRE UNA VARIABLE DEPENDIENTE Y UNA O MAS INDEPENDIENTES.
Bioestadística Regresión y Correlación Múltiple:
PREDICCIÓN Y ESTIMACIÓN
EJEMPLO DE APLICACIÓN DEL MÉTODO CORRELACIONAL
REGRESÍON LINEAL SIMPLE
ECONOMETRIA I 3. MODELO LINEAL DE TRES VARIABLES
ANÁLISIS DE REGRESIÓN SIMPLE
Modelo de regresión lineal múltiple. Estimación de parámetros. Evaluación de la recta estimada. Diagnóstico del modelo. Detección, evaluación de puntos.
Análisis de Regresión Lineal Curso de Verano ENCUP: Introducción al análisis cuantitativo en ciencias sociales Javier Aparicio División de Estudios Políticos,
AJUSTE DE CURVAS TEMA #10. AJUSTE DE CURVAS Si se necesita la versión simplificada de una función complicada. Una manera de hacerlo es calcular valores.
Tema 1- Regresión lineal simple.
Excel Estadístico Medidas de Dispersión.
Correlación Relación no lineal Relación lineal positiva Relación
Identificación de los efectos de los diseños experimentales.
Ecuación Explícita de la Recta
ICPM050 – ECONOMETRÍA tema 03: ESTIMACIÓN MODELO LINEAL SIMPLE
Correlación Relación no lineal Relación lineal positiva Relación
Tema 6: Regresión lineal. 1. Introducción. 2. La ecuación de la recta. 3. El criterio de mínimos cuadrados. 4. Representación gráfica. 5. Coeficientes.
Regresión Lineal Simple
URBINA GUADARRAMA GILBERTO MORENO CONTRERAS TANGANXOAN ZUANGUA
PROBABILIDAD Y ESTADISTICA
Analisis de Regresion Multiple
ANÁLISIS DE REGRESIÓN LINEAL Y CORRELACIÓN SIMPLE ANÁLISIS DE REGRESIÓN LINEAL Y CORRELACIÓN SIMPLE 1 1.
ESTADÍSTICA DESCRIPTIVA Mg. JHON FREDY SABI ROJAS.
ANALISIS DE REGRESION SIMPLE
ESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN ¿Qué es una proyección? Es una estimación del comportamiento de una variable en el futuro. Específicamente, se.
REGRESION LINEAL SIMPLE
METODOLOGÍA Y TÉCNICAS DE INVESTIGACIÓN EN CIENCIAS SOCIALES
UNIDAD EDUCATIVA “MARIANO PICON SALAS REGRESION LINEAL SIMPLE
Transcripción de la presentación:

CORRELACIÓN PARCIAL Y CORRELACIÓN SEMIPARCIAL

CORRELACIÓN PARCIAL Correlación parcial: Correlación entre variables manteniendo controladas variables intervinientes. Es una estimación de la correlación entre dos variables después de remover los efectos de otra (mediadora o interviniente).

Motivación del alumno hacia el trabajo académico CORRELACIÓN PARCIAL Es útil cuando entre dos variables no se manifiesta la correlación real a causa de que una tercera variable la opaca. Ejemplo: Motivación del alumno hacia el trabajo académico Evaluación del profesor Calificaciones

CORRELACIÓN PARCIAL Correlación simple: Entre dos Vs Correlación múltiple: Entre 3 o más Vs Correlación parcial: Entre dos Vs, excluyendo el efecto de las demás Y: VD X1: VI 1 X2: VI 2 rY1: Correlación simple de Y con X1 rY2: Correlación simple de Y con X2 rY.12: Correlación parcial de Y con X1, excluyendo el efecto de X2 r2: Coeficiente de determinación: % de varianza explicada

CORRELACIÓN PARCIAL Varianza de Y que explica X1 Varianza de Y que explican X1 y X2 Porque X1 y X2 correlacionan

CORRELACIÓN PARCIAL Y c a b X2 X1 a + b Varianza de Y que explica X1 b + c Varianza de Y que explica X2 a + b + c Varianza de Y que explican juntas X1 y X2 Y X2 X1 c a b

CORRELACIÓN PARCIAL Correlación parcial entre Y y X1 después de que se ha excluido de ellas el efecto de X2 Coeficiente parcial de primer orden: Sólo se controla o parcializa una variable X Coeficiente parcial de segundo orden: Se controlan o parcializan dos variables X Se controlan o parcializan tres variables X

CORRELACIÓN PARCIAL

CORRELACIÓN PARCIAL Correlación parcial al cuadrado (Coeficiente de determinación parcial): En el modelo de regresión lineal múltiple, el coeficiente de correlación parcial se concibe como una relación entre variables residuales.

CORRELACIÓN PARCIAL Coeficiente de correlación parcial al cuadrado de Y con X1, parcializando o controlando a X2 Proporción de la varianza que es estimada o explicada sólo por X1, no por X2 Coeficiente de correlación de orden cero entre Y y X2

CORRELACIÓN PARCIAL Lo que comparten Y y X1 al eliminar X2:

CORRELACIÓN PARCIAL Ejemplo: Y X2 X1 0.1 a b c Calcular: Correlaciones parciales

CORRELACIÓN PARCIAL Coeficiente de determinación parcial Coeficiente de correlación de orden cero Coeficiente de correlación parcial

CORRELACIÓN PARCIAL Coeficiente de determinación parcial Coeficiente de correlación parcial

CORRELACIÓN PARCIAL En síntesis: La variable que no está en estudio se elimina del modelo y, por tanto, disminuye la variabilidad de Y al eliminarse la variabilidad explicada por dicha variable independiente. Correlación parcial al cuadrado: Es la proporción de variabilidad que comparten Y y Xi al eliminar por completo la variabilidad de Xk.

Correlación SEMIPARCIAL CORRELACIÓN SEMIPARCIAL Y PARCIAL AL CUADRADO Correlación PARCIAL Correlación SEMIPARCIAL NOMENCLATURA (sin paréntesis) (con paréntesis) DEFINICIÓN La variable se elimina del modelo La variable se encuentra previamente incluida en el modelo FÓRMULA (Numerador de la correlación parcial) INTERPRETACIÓN Incremento relativo de la R2 debido a esa variable predictora. Incremento proporcional de R2 debido a la adición de esa variable expresado como la proporción de la variación no explicada por el resto de las variables. Incremento absoluto de R2 debido a esa variable predictora. Incremento en R2 debido a la adición de esa variable en la ecuación de regresión que contiene el resto de las variables predictoras.

CORRELACIÓN SEMIPARCIAL Ejemplo: Correlación bivariada de Y con X1 Correlación bivariada de Y con X2 Correlación múltiple de Y con X1 y X2

CORRELACIÓN SEMIPARCIAL La variable que no está en estudio se encuentra previamente incluida en el modelo a a+b+c b+c Y X2 X1 c a b

CORRELACIÓN SEMIPARCIAL a+b+c a+b Y X2 X1 c a b Incluir X2 supone un incremento de R2 en 0.15 c a+b+c b

CORRELACIÓN SEMIPARCIAL El orden de entrada influye. Ejemplo: Si X1 entra primero: Si X2 entra primero: Es explicado por X2 Es explicado por X2

CORRELACIÓN SEMIPARCIAL La variable explicará menos del modelo: Cuanto más inter-correlacionada esté con otra/s. Cuanto más tarde se introduzca. No hay reglas de especificación del orden de entrada. Criterio común: entra primero la variable con rXY mayor. En el ejemplo, entraría primero X1 porque rY1 > rY2.

CORRELACIÓN SEMIPARCIAL MÚLTIPLE (MÁS DE DOS VARIABLES INDEPENDIENTES) Y Y X1 X4 X3 X1 X2 X3 X2

CORRELACIÓN SEMIPARCIAL Significancia estadística Ejemplo: estudio de la significancia de k1 = 2 Fteórica = F(α, k-k1, N-k-1)

CORRELACIÓN SEMIPARCIAL Significancia estadística Ejemplo: ¿ es significativo en el modelo?

CORRELACIÓN SEMIPARCIAL Significancia estadística