OBJETIVOS

Escribir la relacin entre 2 o ms variables independientes y una dependiente utilizando la ecuacin de regresin mltiple. Calcular e interpretar el error estndar mltiple de estimacin y el coeficiente de determinacin. Interpretar la matriz de correlacin. Realizar el cuadro de ANOVA y explicarlo. Realizar la prueba de hiptesis para determinar si los coeficientes de regresin son diferentes de cero (prueba global). Realizar una prueba de hiptesis para cada uno de los coeficientes de regresin

REGRESION MULTIPLE
ING. ROSMERY MAYTA H 2010

REGRESION MULTIPLE
Realizar la prueba de hiptesis del efecto lineal y del efecto curvilneo. Anlisis de influencia.
La regresin mltiple y el anlisis de correlacin mltiple consiste en estimar una variable dependiente, utilizando dos o ms variables independientes. El modelo genrico ser
Y = f ( X 1 , X 2 , X 3 ,....)
Variable dependiente Variables independientes

Cuando se tiene dos variables. La ecuacin se representa de la siguiente forma:

Visualizacin: se puede representar una ecuacin de regresin mltiple con dos variables, como un plano

= b 0 + b 1X 1 + b 2 X 2 Y
: Valor estimado correspondiente a la variable dependiente Y Donde:
X1 y X2: variables independientes bo: es la intercepcin con el eje Y b1: es el cambio neto en Y por cada cambio unitario en X1, manteniendo X2 constante. Se denomina coeficiente de regresin neta . b2: Coeficiente de regresin

Ecuacin General de Regresin Mltiple

Y = a + b1 X 1 + b2 X 2 + b3 X 3 .........bk X k
Donde: X1, X2, X3...Xk: Variables independientes

METODO DE MINIMOS CUADRADOS

Para calcular los coeficientes, se utiliza el mtodo de Mnimos cuadrados, este mtodo nos garantiza que la suma de cuadrados de los errores sea mnimo. Las ecuaciones normales son: Y = nb 0 + b1 X1 + b 2 X 2 X1Y = b 0 X1 + b1 X12 + b 2 X1X 2 X 2 Y = b 0 X 2 + b1 X1 X 2 + b 2 X 2 2
Donde bo, b1 y b2 son los coeficientes de regresin estimados.

Error estndar mltiple

El error estndar de estimacin en el anlisis de regresin mltiple mide el error para los valores de Y con respecto al plano de regresin ( cuando intervienen 2 variables independendientes).

Consideraciones acerca de la regresin y la correlacin mltiples

Las variables independientes y las variables dependientes tienen una relacin lineal. La variacin en la diferencia entre los valores real y pronosticado es la misma para todos los valores ajustados de Y. Esto es (Y-Y) debe ser aproximadamente igual para todos los valores de Y. Cuando tal sea el caso, las diferencias presentan homoscedastidad. Los residuos, calculados de Y-Y, estn distribuidos en forma normal con media igual a 0. Las observaciones sucesivas de la variable dependiente no estn correlacionadas. Si tal consideracin no se cumple, la situacin se denomina auto correlacin. Tal auto correlacin ocurre con frecuencia cuando se recopilan datos sucesivamente en intervalos de tiempo.

SY .12...k =
Donde: Y: es la observacin

(Y Y )

n (k + 1)

: es el valor estimado a partir de la ecuacin de regresin n: nmero de observaciones. K: nmero de variables independientes

Anlisis de correlacin mltiple

Se utilizan los tres coeficientes Coeficientes de correlacin Mltiple Coeficiente de determinacin Mltiple Coeficiente de no determinacin Coeficiente de correlacin mltiple: Es la medida de la fuerza de asociacin entre la variable dependiente y dos o mas variables independientes Sus valores varan de 0 a 1 siempre es es positivo 0.95: indica una asociacin muy fuerte entre las variables dependientes e independientes. 0.08: Indica una relacin muy dbil

Coeficiente de Determinacin (r2)

COEFICIENTE DE DETERMINACION

Es la proporcin ( porcentaje) de la variacin total en la variable dependiente y que se explica por medio del conjunto de variables independientes. .R2
COEFICENTE DE LA NO DETERMINACION:

R 2 Y 12 =

SSR TotalSS

Mide la proporcin de la variacin total en la variable dependiente y, que no se debe a las variables independientes. Se obtiene 1-.R2

PRUEBA GLOBAL
Se usa para poner a prueba la capacidad de las variables independientes, para explicar el comportamiento de la variable dependiente Y. Procedimiento 1) Ho: 1=2=3........k Ha: No todas las son iguales a cero. Donde : 1,2,3,....,k = coeficientes de regresin neta en la poblacin. 2) Nivel de significancia 3) Se utiliza el estadstica F

Calcular el F cal y el F (,k, n-k-1) (tablas) : el nivel de significancia K: Numero de variables independientes .n : Tamao de la muestra 4) Si el Fcal es > Ft, entonces se rechaza la hiptesis nula

5)

Tabla ANOVA
FV GL SS MS F

Regressions

SSR

MSR=SSR/K

MSR/MSE

Error

n-(k+1)

SSE

MSE=SSE/(n-(k+1))

Total

n-1

SST

Suma de cuadrado total: SS total = Suma de cuadrado del error SSE = Suma de cuadrado debido a la regresion: SSR = SS total - SSE

(Y Y')

PRUEBA DE HIPOTESIS INDIVIDUAL PARA CADA UNO DE LOS COEFICIENTES

Se usa para probar las variables individualmente para determinar cuales coeficientes de regresin podran ser cero y cuales no. Si una es cero, esto implica que tal variable independiente en particular, no es de ningn valor para explicar cualquier variacin en el valor dependiente. 1) Plantear la hiptesis Para: Variable 1 Variable 2 ..... Variable k Ho: 1=0 Ho: 2=0 Ho: k=0 Ha: 10 Ha: 20 Ha: k0

2) Definir el nivel de significancia 3) El estadstico a utilizar es t Calcular el valor de t para cada uno de los coeficientes Tk =( b1-1) / Sb1 Tk =( b2-2) / Sb2 Tk =( b3-3) / Sb3

Calcular el t cal y el t (, n-k-1) (tablas) : el nivel de significancia K: Numero de variables independientes .n : Tamao de la muestra 4) Si el Tk es > Tt, entonces se rechaza la hiptesis nula ( se realiza para cada uno de los coeficientes) y se acepta la alternativa

ESTIMACIN DEL INTERVALO DE CONFIANZA

Es la estimacin del valor de poblacin de un coeficiente de regresin. El anlisis de regresin se puede obtener una estimacin de intervalo de confianza

Estimacin de intervalo para los coeficientes de regresin parcial

bk tnp1Sbk

K: Indica la variable independiente correspondiente. P: Numero de variables independientes Sbk: es el error estndar de la variable independiente k

MODELO DE REGRESIN CURVILNEO Una de las relaciones no lineales ms comunes es la relacin polinomial curvilnea entre dos variables en la que Y aumenta (o disminuye) con una rapidez variable para diferentes valores de X. Este modelo da una relacin polinomial entre X e Y puede expresarse como

MODELO CURVILINEO

2 Y = + X + X 0 1 1i 11 1i + i i

0 = Interseccin Y 1 = Efecto lineal en Y 11= Efecto curvilneo en Y i= Error aleatorio en Y para la observacin

MODELO CENTRADO
Un planteamiento alternativo al modelo de regresin curvilneo consiste en centrar los datos mediante la sustraccin de la media de la variable explicativa de cada valor del modelo. Este modelo de regresin centrada se presenta en la ecuacin.

PRUEBA DE SIGNIFICANCIA DEL MODELO CURVILINEO

.Prueba global 1) Plantear la hiptesis Ho: 1=0 Ho: 11=0 Ha: No todos los beta son iguales a cero 2) Definir el nivel de significancia 3) El estadstico a utilizar es F Calcular el valor de F

i = b'0 +b'1 (X 1i X 1 ) + b11 (X 1i X 1 )2 Y

5)
2) Definir el nivel de significancia 3) El estadstico a utilizar es F 4)Calcular el F cal y el F (,k, n-k-1) (tablas) : el nivel de significancia. k= 2 K: Numero de variables independientes .n : Tamao de la muestra 5) Si el Fcal es > Ft, entonces se rechaza la hiptesis nula

PRUEBA DE HIPOTESIS PARA PROBAR EL EFECTO CURVILINEO 1) Plantear la hiptesis Para: Variable 1 Variable 2 ..... Variable k Ho: 11=0 (La inclusin del efecto curvilineo no mejora
de forma significativa el modelo La inclusin del efecto curvilineo mejora de 11 forma significativa el modelo

2) Definir el nivel de significancia 3) El estadstico a utilizar es t 4)Calcular el t cal y el t (, n-k-1) (tablas dos colas) : el nivel de significancia k=2 K: Numero de variables independientes .n : Tamao de la muestra

Ha: 0 (

5) Calcular el valor de t para cada uno de los coeficientes Tk =( b11-11) / Sb11 Si el Tcal es > Tt, entonces se rechaza la hiptesis nula ( se realiza para cada uno de los coeficientes) y se acepta la alternativa

PRUEBA DE HIPOTESIS PARA PROBAR EL EFECTO LINEAL 1) Plantear la hiptesis Para: Variable 1 Variable 2 ..... Variable k Ho: 1=0 (La inclusin del efecto lineal no mejora de
forma significativa el modelo significativa el modelo

Ha: 10 (La inclusin del efecto lineal

mejora de forma

2) Definir el nivel de significancia 3) El estadstico a utilizar es t Calcular el valor de t para cada uno de los coeficientes Tk =( b1-1) / Sb1

Calcular el t cal y el t (, n-k-1) (tablas dos colas) : el nivel de significancia k=2 K: Numero de variables independientes .n : Tamao de la muestra 4) Si el Tk es > Tt, entonces se rechaza la hiptesis nula ( se realiza para cada uno de los coeficientes) y se acepta la alternativa

Ejemplo :MODELO CURVILINEO

Se tiene los datos de precio y ventas de un determinado producto realizar la prueba de hiptesis del efecto lineal y curvilneo

PRUEBA DE HIPOTESIS DEL MODELO CURVILINEO

Prueba global
1) Plantear la hiptesis Para: Variable 1 Variable 2 Variable k Ho: 1 = 11 = 0 Ha: 1 110 .....

2) = 0.05 3) El estadstico a utilizar es F 4) El Ft (0.05,2, n-k-1) : el nivel de significancia k=2 .n : Tamao de la muestra F(2,12) = 3.89 5) Calcular el valor de F para cada uno de los coeficientes Fk = 6221.2/165.6= 37.56

Si el Fk es > Ft, 37.56 >3.89 ,entonces se rechaza la hiptesis nula y se acepta la alternativa

PRUEBA DE HIPOTESIS PARA PROBAR EL EFECTO CURVILINEO 1) Plantear la hiptesis Para: Variable 1 Variable 2 ..... Variable k Ho: 11=0 (La inclusin del efecto curvilneo no mejora
de forma significativa el modelo La inclusin del efecto curvilneo mejora de 11 forma significativa el modelo

Ha: 0 (

2) = 0.05 3) El estadstico a utilizar es t 4) Calcular el t cal y el t (0.05, 12) = 2.17 (tabla dos colas) : el nivel de significancia k=2 K: Numero de variables independientes .n : Tamao de la muestra 5) Calcular el estadstico y tomar la decisin Calcular el valor de t para cada uno de los coeficientes Tkl = 465/ 176.2=2.64

Si el Tkl es > Tt Como 2.64 >2.17 entonces se rechaza la hiptesis nula , se concluye la inclusin del efecto curvilneo mejora de modo significativo el modelo.

PRUEBA DE HIPOTESIS PARA PROBAR EL EFECTO LINEAL 1) Plantear la hiptesis Para: Variable 1 Variable 2 ..... Variable k Ho: 1=0 (La inclusin del efecto lineal no mejora de
forma significativa el modelo significativa el modelo

Ha: 10 (La inclusin del efecto lineal

mejora de forma

2) = 0.05 3) El estadstico a utilizar es t 4) Calcular el t cal y el t (0.05, 12) = 2.17 (tabla dos colas) : el nivel de significancia k=2 K: Numero de variables independientes .n : Tamao de la muestra

5) Calcular el valor de t para cada uno de los coeficientes Tk = -1088,7/349.5= -3.11 Si el Tk es > Tt Como -3.11 <-2.17 entonces se rechaza la hiptesis nula , se concluye que la inclusin del efecto lineal mejora el modelo del efecto curvilneo