Regresin lineal mltiple

La regresin lineal nos permite trabajar con una variable a nivel de intervalo o razn, as tambin se
puede comprender la relacin de dos o ms variables y nos permitir relacionar mediante ecuaciones, una
variable en relacin a otras variables llamndose Regresin mltiple. Constantemente en la prctica de la
investigacin estadstica, se encuentran variables que de alguna manera estn relacionados entre s, por lo que
es posible que una de las variables pueda relacionarse matemticamente en funcin de otra u otras variables.
Maneja varias variables independientes. Cuenta con varios parmetros. Se expresan de la forma:



Donde es el error asociado a la medicin del valor y siguen los supuestos de modo
que (media cero, varianza constante e igual a un y con ).


Anlisis de regresin lineal mltiple

El procedimiento Regresin lineal permite utilizar ms de una variable independiente y, por tanto,
permite llevar a cabo anlisis de regresin mltiple. Pero en el anlisis de regresin mltiple, la ecuacin de
regresin ya no define una recta en el plano, sino un hiperplano en un espacio multidimensional.
Imaginemos un anlisis de regresin con salario como variable dependiente y salini (salario inicial) y
expprev (experiencia previa) como variables independientes.




Con una variable dependiente y dos independientes, necesitamos tres ejes para poder representar el
correspondiente diagrama de dispersin. Y si en lugar de dos variables independientes utilizramos tres, sera
necesario un espacio de cuatro dimensiones para poder construir el diagrama de dispersin. Y un espacio de
cinco dimensiones para poder construir el diagrama correspondiente a cuatro variables independientes. Etc.
Por tanto, con ms de una variable independiente, la representacin grfica de las relaciones presentes
en un modelo de regresin resulta poco intuitiva, muy complicada y nada til. Es ms fcil y prctico partir de la
ecuacin del modelo de regresin lineal:



De acuerdo con este modelo o ecuacin, la variable dependiente (Y) se interpreta como una
combinacin lineal de un conjunto de K variables independientes (Xk), cada una de las cuales va acompaada
de un coeficiente (k) que indica el peso relativo de esa variable en la ecuacin.
La ecuacin incluye adems una constante (0) y un componente aleatorio (los residuos: ) que recoge
todo lo que las variables independientes no son capaces de explicar. Este modelo, al igual que cualquier otro
modelo estadstico, se basa en una serie de supuestos (linealidad, independencia, normalidad,
homocedasticidad y no-colinealidad).
La ecuacin de regresin mnimo-cuadrtica se construye estimando los valores de los coeficientes
Beta del modelo de regresin. Estas estimaciones se obtienen intentando hacer que las diferencias al cuadrado
entre los valores observados (Y) y los pronosticados ( ) sean mnimas


Rectas de regresin

Las rectas de regresin son las rectas que mejor se ajustan a la nube de puntos (o tambin llamado diagrama
de dispersin) generada por una distribucin binomial. Matemticamente, son posibles dos rectas de mximo
ajuste:
La recta de regresin de Y sobre X:

La recta de regresin de X sobre Y:


La correlacin ("r") de las rectas determinar la calidad del ajuste. Si r es cercano o igual a 1, el ajuste
ser bueno y las predicciones realizadas a partir del modelo obtenido sern muy fiables (el modelo obtenido
resulta verdaderamente representativo); si r es cercano o igual a 0, se tratar de un ajuste malo en el que las
predicciones que se realicen a partir del modelo obtenido no sern fiables (el modelo obtenido no resulta
representativo de la realidad). Ambas rectas de regresin se intersecan en un punto llamado centro de
gravedad de la distribucin.


Requisitos adicionales de la regresin mltiple

Tiene que haber al menos tantos datos como parmetros desconocidos n es igual o mayor que k+2
Ninguna de las variables explicativas es combinacin lineal exacta de las restantes (colinearidad)

Interpretacin de los parmetros:
0 Representa el valor medio de la respuesta (y) cuando todas las variable explicativas (x) valen cero
i Representa el incremento de la respuesta media (y) cuando la variable explicativa (xi) aumenta en
una unidad y el resto de las variables explicativas permanecen constantes







Estimacin de la media de Y
Cul es la respuesta media para valores fijos de las x?
Como no conocemos la media, proponemos la respuesta media que hemos estimado con el modelo la
ecuacin de regresin



Prediccin de Y
Qu respuesta predecimos para un nuevo valor de las x?
La mejor propuesta es la media de las y. Como no conocemos la media, proponemos la respuesta media que
hemos estimado con el modelo la ecuacin de regresin



El intervalo de prediccin es siempre mayor que el de estimacin de la media. Para predecir, primero
se propone la media y luego se estima. La estimacin de la media slo tiene esta ltima incertidumbre.