REGRESIÓN LINEAL MÚLTIPLE.

Slides:



Advertisements
Presentaciones similares
ANALISIS PARAMÉTRICOS
Advertisements

Tema 6: Regresión lineal.
Regresión lineal simple
Error Estándar de la Media
ESTADISTICA INFERENCIAL
Pronósticos, Series de Tiempo y Regresión
UNIVERSIDAD AUTÓNOMA DEL CARIBE
Ingeniería Industrial II CicloEducativo 2011
REGRESION Y CORRELACION LINEALES. REGRESION LINEAL SIMPLE Finalidad Estimar los valores de y (variable dependiente) a partir de los valores de x (variable.
Covarianza muestral Sean x1, x2, ..., xn e y1, y2, ..., yn dos muestras aleatorias independientes de observaciones de X e Y respectivamente. La covarianza.
Análisis de Regresión Lineal
MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I MULTICOLINEALIDAD
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Regresión y correlación
Correlación 1.
Estadística Administrativa II
Bioestadística Aplicada I
Estadística Descriptiva: 4. Correlación y Regresión Lineal
COEFICIENTE DE CORRELACIÓN PRODUCTO-MOMENTO DE PEARSON
Regresión lineal Es un modelo matemático para predecir el efecto de una variable sobre otra, ambas cuantitativas. Una variable es la dependiente y otra.
Regresión Lineal Simple
9 Regresión Lineal Simple
División de Estudios Políticos, CIDE
Análisis de Correlación y de Regresión lineal simple
Distribuciones bidimensionales. Tablas de contingencia
PROBLEMAS ECONOMETRICOS
Clases 4 Pruebas de Hipótesis
CONTRASTE Y VALIDACIÓN DE UN MODELO
15 Análisis de Regresión Múltiple
Estadística Administrativa II
Este procedimiento mide la relación entre la intensidad de un estímulo y la proporción de casos que presentan una cierta respuesta a dicho estímulo. Es.
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
ESTADÍSTICA BÁSICA EN ECOLOGÍA EVOLUTIVA Juan J. Soler Cruz Estación Experimental de Zonas Áridas Almería.
Modelo de regresión con dos variables: Estimación
Métodos de calibración: regresión y correlación
Titular: Agustín Salvia
Normalidad, Variabilidad y estimación del Modelo de Regresión
Clase 4a Significancia Estadística y Prueba Z
VARIABLE DEPENDIENTE DICOTOMICA. Hemos estudiados casos donde las variables dicotómicas actuaban como regresores, variables independientes o que explican.
REGRESION LINEAL II Mario Briones L. MV, MSc
Definición del Modelo de Regresión Simple Estimaciones por MCO Método de MCO Valores Esperados y Varianzas por MCO.
PARA LA REGRESIÓN LINEAL SIMPLE
Regresión Lineal Simple
Aplicaciones Estadísticas a las Finanzas Clase 1
Construcción de modelos con regresión y correlación
Ejercicios Dado un conjunto de datos, aplicar el Criterio de Fourier para desechar los posibles valores atípicos.
Regresión lineal simple Nazira Calleja
Unidad 4 Análisis de los Datos.
Regresión múltiple Métodos Nazira Calleja
Modelos de regresión lineal
REGRESIÓN LINEAL MÚLTIPLE
INFERENCIA ESTADÍSTICA
Supuestos en el análisis de regresión Miles, J. & Shervin, M. (2011). Applyng regression & correlation. A guide for students and researchers. London: Sage.
Germán Fromm R. 1. Objetivo Entender los diseños metodológicos predictivos 2.
Estadística Administrativa II
Copyright © 2003 by The McGraw-Hill Companies, Inc. All rights reserved.
Estadística Administrativa II
REGRESIÓN LINEAL SIMPLE. Temas Introducción Análisis de regresión (Ejemplo aplicado) La ecuación de una recta Modelo estadístico y suposiciones Estimación.
Introducción a la Estadística Inferencial con SPSS Juan José Igartua Perosanz Universidad de Salamanca
REGRESIÓN LINEAL SIMPLE TEMA INTRODUCCIÓN Determinar la ecuación de regresión sirve para: – Describir de manera concisa la relación entre variables.
MÁS DE DOS MUESTRAS Procedimientos paramétricos. Pruebas de diferencias entre más de dos muestras *Con cálculos diferentes de SC y gl, según el caso.
Bioestadística Inferencia estadística y tamaño de muestra
1 REGRESIÓN CON VARIABLES DICOTÓMICAS TEMA 1 (CONTINUACIÓN)
TEMA 7 ANÁLISIS DE LOS RESULTADOS TEMA 7 ANÁLISIS DE LOS RESULTADOS.
M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.
Regresión logística binomial
ANALISIS DE VARIANZA.
Evaluando los promedios de grupos distintos UNIDAD 7 1.
Transcripción de la presentación:

REGRESIÓN LINEAL MÚLTIPLE

REGRESIÓN LINEAL MÚLTIPLE La regresión múltiple es una extensión muy utilizada de la regresión lineal. El modelo de regresión lineal se puede ampliar para incluir múltiples variables independientes. Y = α + β1 • X1 + β2 • X2 + ... + βk Xk • + ε. Examina el efecto de múltiples predictores X1, X2, …Xk sobre una VD (Y).

REGRESIÓN LINEAL MÚLTIPLE Los coeficientes se estiman minimizando los residuales cuadrados. En esta situación más complicada no hay fórmulas sencillas para las estimaciones. Generalmente se utiliza una computadora para el cálculo de los coeficientes.

REGRESIÓN LINEAL MÚLTIPLE

Regresión lineal múltiple En el ejemplo del efecto del número de cigarros fumados (Y) sobre la pérdida de fijación dental (X1), se puede agregar la edad como un segundo predictor (X2):   X1 .402 Y .440 X2

Regresión lineal múltiple El ajuste del modelo mejora con una segunda variable predictiva buena. Edad, Número de cigarros fumados por día (autorreporte) Pérdida media de fijación dental (mm)

Regresión lineal múltiple En el ejemplo del efecto del número de cigarros fumados (Y) sobre la pérdida de fijación dental (X1), se puede agregar la edad como un segundo predictor (X2):   Y = α + β1 • X1 + β2 • X2 + ε Y = -1.065 + .071 • X1 + .074 • X2 + ε α Número de cigarros fumados por día β1 Edad β2 Pérdida media de fijación dental (mm)

Ejemplo 2. Regresión Múltiple Satisfacción con los restaurantes Satisfacción con un destino turístico Satisfacción con los precios Nacionalidad del turista 1 = europeos 2 = norteamericanos

Modelo de Regresión Múltiple 1er. paso: Obtener las correlaciones entre las VIs y la VD Satisfacción con los restaurantes r = .253 Satisfacción con un destino turístico r = .013 Satisfacción con los precios r = .259 Nacionalidad del turista

Tablas en Regresión Múltiple 2o. paso: Correr el análisis 3er. paso: Interpretar los resultados Hay tres tablas generales que deben interpretarse en los resultados del análisis de regresión. 1ª Resumen del modelo 2ª ANOVA 3ª Coeficientes

Regresión múltiple en SPSS 1ª tabla La información que se toma de esta tabla es el R2, que es la proporción de variación en la VD que es explicada por las VIs. Se expresa como porcentaje. También se llama coeficiente de determinación.

Regresión múltiple en SPSS R2 ajustada o corregida El coeficiente de determinación está afectado por un efecto inflacionista, originado por: El tamaño de la muestra (particularmente cuando es pequeño) El número de variables independientes. Por tanto, habrá que ajustarlo para poder hacer una estimación de su valor en la población.

Regresión múltiple en SPSS Número de VIs Si se agrega otra VI es muy poco probable que rVI-VD = 0, aunque lo fuera en la población, por errores de muestreo. Por tanto, la R2 siempre subirá un poco cuando se agregue otra VI. La R2 se ajusta hacia abajo para compensar este incremento. Tamaño de la muestra A menor n, mayor variación aleatoria desde cero. El ajuste de R2 será mayor cuando: El número de VIs sea mayor. El tamaño de la muestra n sea menor.

Regresión múltiple en SPSS R2 ajustada o corregida 𝑅 2 𝑎𝑗=1−(1− 𝑅 2 ) 𝑛−1 𝑛−1−𝑘 n = tamaño de la muestra k = número de Vis Al ↑ n → 𝑅 2 se ajusta menos. Al ↑ k → 𝑅 2 se ajusta más.

Modelo de Regresión Múltiple Satisfacción con los restaurantes r = .253 R2 = 12.1% Satisfacción con un destino turístico r = .013 Satisfacción con los precios El 12.1% de la variación en la satisfacción turística total (VD) puede ser explicada por las tres VIs del modelo: satisfacción con los restaurantes, satisfacción con los precios y nacionalidad del turista. r = .259 Nacionalidad del turista

Regresión múltiple en SPSS 2ª tabla La tabla prueba el modelo. Muestra si la proporción de varianza explicada en la primera tabla es significativa (H0: R2=0). También dice si el efecto total de las VIs sobre la VD es significativa. La probabilidad de obtener una valor de R2 tan alto como el que se ha obtenido en esta muestra si el valor en la población fuera cero.

Regresión múltiple en SPSS 2ª tabla En el ejemplo, la significancia (p) es .000, que es menor al nivel de .05; por tanto, se concluye que el modelo total es estadísticamente significativo, o que las variables tienen un efecto combinado significativo sobre la VD (la satisfacción total).

Regresión múltiple en SPSS 3ª tabla Lo primero que se ve es la significancia para determinar cuáles son los predictores significativos de (o significativamente relacionados con) la VD.

Regresión múltiple en SPSS 3ª tabla Los coeficientes beta estandarizados indican la fuerza y dirección de la relación (se interpretan como coeficientes de r).

Regresión múltiple en SPSS 3ª tabla En el ejemplo, puede observarse que la nacionalidad (p = .000) y la satisfacción con los restaurantes (p = .000) son predictores significativos de la satisfacción turística total.

Regresión múltiple en SPSS 3ª tabla La nacionalidad es una variable dicotómica, donde 1 = europeos, y 2 = norteamericanos. El coeficiente se interpreta como que los turistas americanos reportaron niveles más altos de satisfacción total en comparación con los europeos.

Redacción de resultados de Regresión múltiple “Se efectuó un análisis de regresión múltiple para examinar si la nacionalidad, la satisfacción con los restaurantes y la satisfacción con los precios impactan la satisfacción total con el destino. El modelo explicó 13.3% de la varianza , lo cual resultó significativo estadísticamente , F (3,216) = 11.09, p < .001. Los datos de los predictores individuales revelaron que la satisfacción con los restaurantes (b = .25, p < .001) y la nacionalidad (b = .26, p < .001) fueron predictores significativos de la satisfacción turística total con el destino.”

Redacción de resultados de Regresión múltiple “Los niveles más altos de satisfacción con los restaurantes se asociaron con los niveles más altos de satisfacción total con el destino, y los turistas norteamericanos reportaron significativamente más satisfacción que los europeos”.