Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FACULTAD DE INGENIERIA
ESCUELA DE ING. AMBIENTAL
TRABAJO ENCARGADO
REGRESION MULTIPLE
FECHA: 29 - 01- 14
PERU
2014
INDICE
I. - INTRODUCCIN...................................................................................................... 3
II.- MARCO TEORICO.................................................................................................... 3
REGRESIN:............................................................................................................ 3
Clases de Regresin................................................................................................... 3
Coeficiente de Regresin............................................................................................. 4
Clases de coeficiente de Regresin:.............................................................................. 4
Finalidades de las ecuaciones de regresin mltiple........................................................5
Procedimiento para hallar el Coeficiente de Regresin.....................................................5
1.- Forma Directa....................................................................................................... 5
2.- Forma Indirecta del Mtodo de los Mnimos Cuadrados...............................................6
Anlisis de Regresin Mltiple...................................................................................... 7
I. - INTRODUCCIN
Como la Estadstica Inferencial 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 de la otra variable llamndose Regresin Lineal y una variable en relacin a otras variables llamndose
Regresin mltiple.
Casi 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 puedan relacionarse matemticamente
en funcin de otra u otras variables.
REGRESIN:
Se define como un procedimiento mediante el cual se trata de determinar si existe o no relacin de dependencia
entre dos o ms variables. Es decir, conociendo los valores de una variable independiente, se trata de estimar
los valores, de una o ms variables dependientes.
La regresin en forma grfica, trata de lograr que una dispersin de las frecuencias sea ajustada a una lnea recta o
curva.
Clases de Regresin
La regresin puede ser Lineal y Curvilnea o no lineal, ambos tipos de regresin pueden ser a su vez:
a. Esta regresin se utiliza con mayor frecuencia en las ciencias econmicas, y sus disciplinas tecnolgicas.
Cualquier funcin no lineal, es linealizada para su estudio y efectos prcticos en las ciencias
econmicas, modelos no lineales y lineales multiecuacionales.
Y 100
X 116
Coeficiente de Regresin
Indica el nmero de unidades en que se modifica la variable dependiente "Y" por efecto del cambio de la
variable independiente "X" o viceversa en una unidad de medida.
Un uso frecuente de las ecuaciones de regresin mltiple es la localizacin de las variables predictoras ms
eficaces, con una orientacin ms prctica que de anlisis terico. Aun as hay que notar que no siempre se
busca seleccionar los mejores predictores, sino examinar un conjunto de variables que tiene sentido que vayan
juntas, escogidas con fundamento terico y que de alguna manera pueden configuran un constructo ms
genrico relacionado con la variable criterio (Y) en un cierto grado.
a) nfasis en la explicacin
Cuando el nfasis est en la explicacin y en la teora, en la compresin de los constructos latentes, ms que
en la prediccin propiamente dicha, adems de interpretar los coeficientes beta de la ecuacin, hay que
interpretar tambin las correlaciones bivariadas de cada variable X con el criterio (Y) que pueden ser ms
informativas, sobre todo cuando estas variables (X) estn relacionadas entre s.
Por otra parte no hay que olvidar que variables con un valor de beta prximo a cero pueden tener tambin un
importante valor predictivo (pero que queda anulado o disminuido en la ecuacin precisamente por su relacin
con otras variables presentes en la misma ecuacin). El hecho de que habitualmente se preste ms (o toda la)
atencin a los coeficientes beta y se descuide la interpretacin de los coeficientes de correlacin se debe a la
confusin de dos finalidades distintas de estos anlisis: explicacin y prediccin. Cuando se trata de entender la
relacin de una variable Y con una coleccin de variables independientes X, la correlacin mltiple (R y R2),
junto con las correlaciones bivariadas de cada X con Y, nos puede ayudar en esta comprensin y puede tener
inters terico identificar el constructo ms genrico que puede subyacer a esas variables independientes.
b) nfasis en la prediccin
Si se trata de predecir ms que de comprender, no nos basta la correlacin mltiple; necesitamos tambin la
ecuacin de regresin (con los pesos beta de cada variable) y es con esta finalidad cuando tiene ms sentido
prescindir de variables que, por su relacin con otras variables, aportan nada o poco a la prediccin.
Cuando la finalidad es predecir algn tipo de resultado, por ejemplo rendimiento acadmico, los resultados del
anlisis se utilizarn despus con sujetos que no pertenecen a la muestra analizada en primer lugar para
calcular la ecuacin de regresin. El nfasis est en la aplicacin prctica ms que en comprensin terica. Lo
que se busca directamente no es entender por qu unos sujetos tienen ms xito que otros, sino hacer una
prediccin del xito futuro (para poner a remedio a tiempo, seleccionar para un determinado programa, etc.).
La teora es til para identificar qu variables deberan entrar en la ecuacin, pero no tiene que tener
necesariamente especial sentido conceptual el que estas variables vayan juntas.
Si la finalidad es predecir ser necesario validar los resultados: en una muestra: se establece la ecuacin y los
pesos beta, que luego se utilizan para predecir los resultados en otra muestra distinta; la correlacin entre los
resultados obtenidos y los pronosticados nos informar sobre la validez predictiva de la ecuacin de regresin.
El Coeficiente de Regresin es
De la misma manera la recta de regresin de "X" sobre "Y" ser dada de la siguiente manera:
x, y = desviaciones
X = media aritmtica
Y = media aritmtica
b. Regresin Simple: Este tipo se presenta cuando una variable independiente ejerce influencia sobre otra
variable dependiente. Ejemplo: Y = f(x)
c. Regresin Mltiple: Este tipo se presenta cuando dos o ms variables independientes influyen sobre una
variable dependiente. Ejemplo: Y = f(x, w, z).
Y 440
X 50
W 105
Z 75
Objetivo: Se presentara primero el anlisis de regresin mltiple al desarrollar y explicar el uso de la ecuacin de
regresin mltiple, as como el error estndar mltiple de estimacin. Despus se medir la fuerza de la relacin
entre las variables independientes, utilizando los coeficientes mltiples de determinacin.
Anlisis de Regresin Mltiple
Dispone de una ecuacin con dos variables independientes adicionales:
Para poder resolver y obtener y en una ecuacin de regresin mltiple el clculo se presenta muy tediosa
porque se tiene atender 3 ecuaciones que se generan por el mtodo de mnimo de cuadrados:
Para poder resolver se puede utilizar programas informticos como AD+, SPSS y Minitab y Excel.
Es una medida de dispersin la estimacin se hace ms precisa conforme el grado de dispersin alrededor del plano
de regresin se hace ms pequeo.
Para medirla se utiliza la frmula:
Mide la tasa porcentual de los cambios de Y que pueden ser explicados por , y simultneamente.
III.- APLICACION DE REGRESION MULTIPLE
Mediante el siguiente problema podremos ilustrar la aplicacin de Regresin Mltiple:
En la Facultad de Ingeniera de Sistemas y Computo de la Universidad "Inca Garcilaso de la Vega" se quiere
entender los factores de aprendizaje de los alumnos que cursan la asignatura de PHP, para lo cual se escoge al azar
una muestra de 15 alumnos y ellos registran notas promedios en las asignaturas de Algoritmos, Base de
Datos y Programacin como se muestran en el siguiente cuadro.
Algoritmos
15
14
16
20
18
16
13
16
15
14
12
16
17
19
13
Lo que buscamos es construir un modelo para determinar la dependencia que exista de aprendizaje reflejada en las
notas de la asignatura de PHP, conociendo las notas de las asignaturas Algoritmos, Base de Datos y Programacin.
Se presentara la siguiente ecuacin a resolver:
Utilizando las frmulas de las ecuaciones normales a los datos obtendremos los coeficientes de regresin o
utilizando Regresin de Anlisis de datos, en la Hoja de Clculo de Excel podemos calcular tambin los coeficientes
de regresin:
Por lo tanto podemos construir la ecuacin de regresin que buscamos:
Mediante esta medida de dispersin se hace ms preciso el grado de dispersin alrededor del plano de regresin, se
hace ms pequeo.
Para calcularla se utiliza la formula siguiente:
En los resultados de Excel se llama error tpico y para explicar la relacin del aprendizaje de PHP que se viene
desarrollando es de 0.861
El 69.70% del aprendizaje del Curso de PHP puede ser explicado mediante las notas obtenidas por las
asignaturas de Algoritmos, Base de Datos y Programacin.
http://www.upcomillas.es/personal/peter/investigacion/Regresion.pdf
Torino H. Resumen del libro de Estadsticas de Berenson y Levine
Galdos Clculo y Estadstica III Edicin Unica. Grupo La Republica. Lima Per; 2005.