ANÁLISIS DE REGRESIÓN MÚLTIPLE
T R A B A J O
D E
I N V E S T I G A C I Ó N
MATERIA:
ESTADÍSTICA INFERENCIAL
DE LA CARRERA DE:
PSICOLOGÍA.
PRESENTAN LOS ALUMNOS:
ANDRÉS CASTILLO ARELLANO, DIANA SALAZAR CHAGOLLA
EDITH, ÉRICA
MARI LUCY TELLO PÉREZ
PROFESOR:
CESAR MACHUCA CASTRO
FECHA DE PRESENTACIÓN
21 DE OCTUBRE DE 2023
ÍNDICE
1. ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE.
El Análisis de regresión lineal múltiple es una técnica estadística utilizada para estudiar la
relación entre variables en una amplia variedad de situaciones y predecir fenómenos diversos.
1.1 SUPUESTOS DE ANÁLISIS DE REGRESIÓN MÚLTIPLE
Para aplicar la regresión lineal múltiple que nos estamos proponiendo, los datos deben cumplir
con los 5 supuestos ya mencionados: linealidad, independencia, homocedasticidad, normalidad
y no colinealidad.
Linealidad: El término linealidad se refiere a la propiedad de escalamiento. Supón que tienes
dos propiedades físicas relacionadas, por ejemplo la rapidez a la que puedes correr y la
distancia que vas a recorrer. Si duplicas la velocidad, duplicas la distancia recorrida.
Independencia: En teoría de probabilidades, se dice que dos sucesos aleatorios son
independientes entre sí cuando la probabilidad de cada uno de ellos no está influida porque el
otro suceso ocurra o no, es decir, cuando ambos sucesos no están relacionados.
Homocedasticidad: Hipotesis referente a la dispersión de los valores de una perturbación
aleatoria en un modelo de regresión lineal, que consiste en suponer que la variable se
distribuye con igual varianza en cualquiera de las estimaciones hechas mediante el modelo.
Normalidad: como la condición de todo aquello que es normal, es decir, todo aquello que se
ajusta a las normas o responde a las expectativas comunes, aquello que no es extraordinario
en ninguna medida (ni positiva, ni negativa).
No colinealidad: Dicho de un punto, que se encuentra en la misma recta que otros.
1.2 RELACIONES ENTRE EL ANÁLISIS DE VARIANZA Y ANÁLISIS DE
REGRESIÓN.
El análisis de varianza es una fórmula estadística utilizada para comparar varianzas entre
medias de distintos conjuntos de datos. La prueba ANOVA se utiliza para determinar la
influencia que tienen las variables independientes sobre la variable dependiente en un modelo
o estudio de regresión lineal.
¿Qué relación tiene la regresión lineal con t-student y ANOVA?
La regresión lineal con t-student y ANOVA tiene una explicación simple. Como sabemos, los
coeficientes tienen un error, un margen de confianza que viene de una varianza que estamos
calculando en función del mismo error. La varianza nos ayuda a crear el test estadístico, que
sigue una distribución t-student.
Suponiendo que los residuos siguen una distribución gaussiana, se puede calcular la varianza
de cada uno de los coeficientes como:
Donde:
-p es el número de grados de libertad, de coeficientes. En este caso son 2: intersección y la
pendiente.
-n es el número de muestras.
La media de los coeficientes viene dada por el vector Bi. Con la media y la varianza podemos
calcular la probabilidad de que el valor de la media estimada esté muy desviada de 0 por puro
azar. Eso aparece con el valor Pr(>ltl) en el summary del modelo. Cuanto menos sea este
valor, más fiable será. Más adelante veremos qué significa esta probabilidad en detalle,
llamada p-valor.
Donde Pr(>ltl) vendrá a ser un test de dos hipótesis:
-H0: el valor del coeficiente no es importante para la regresión. Su valor debería ser 0.
-H1: el valor del coeficiente es importante para la regresión. Su valor debería ser diferente a 0.
1.3 OBTENCIÓN DE LA ECUACIÓN DE REGRESIÓN MÚLTIPLE.
Introducción:
Como la Estadística Inferencial nos permite trabajar con una variable a nivel de intervalo o
razón, así también se puede comprender la relación de dos o más variables y nos permitirá
relacionar mediante ecuaciones, una variable en relación de la otra variable llamándose
Regresión Lineal y una variable en relación a otras variables llamándose Regresión múltiple.
Casi constantemente en la práctica de la investigación estadística, se encuentran variables que
de alguna manera están relacionados entre sí, por lo que es posible que una de las variables
puedan relacionarse matemáticamente en función de otra u otras variables.
Se define como un procedimiento mediante el cual se trata de determinar si existe o no relación
de dependencia entre dos o más variables. Es decir, conociendo los valores de una variable
independiente, se trata de estimar los valores, de una o más variables dependientes.
La regresión en forma gráfica, trata de lograr que una dispersión de las frecuencias sea
ajustada a una línea recta o curva.
Clases de Regresión
La regresión puede ser Lineal y Curvilínea o no lineal, ambos tipos de regresión pueden ser a
su vez:
a) Regresión Simple: Este tipo se presenta cuando una variable independiente ejerce influencia
sobre otra variable dependiente. Ejemplo: Y = f(x)
Esta regresión se utiliza con mayor frecuencia en las ciencias económicas, y sus disciplinas
tecnológicas. Cualquier función no lineal, es transformada en lineal para su estudio y efectos.
Objetivo: Se utiliza la regresión lineal simple para:
1.- Determinar la relación de dependencia que tiene una variable respecto a otra.
2.- Ajustar la distribución de frecuencias de una línea, es decir, determinar la forma de la línea
de regresión.
3.- Predecir un dato desconocido de una variable partiendo de los datos conocidos de otra
variable.
Por ejemplo:
En una empresa de servicio de Internet busca relacionar las ganancias que obtiene cada
computadora con el número de usuarios que ingresan a dicha cabina diariamente. En la tabla
representa
Y (Ganancias S/.) e
X (Número de usuarios).
1.4 PREDICCIÓN MEDIANTE EL ANÁLISIS DE REGRESIÓN MÚLTIPLE
INTRODUCCIÓN: El artículo presenta el análisis de regresión lineal múltiple mediante la
exposición de un caso práctico y utilizando el SPSS como programa estadístico. Se trata de
una técnica aplicada en una amplia variedad de situaciones para predecir fenómenos diversos,
MÉTODO: La aplicación de la técnica implica cinco pasos: 1. Seleccionar la variable
dependiente; 2. Seleccionar las variables explicativas; 3. Verificar los supuestos necesarios
para poder aplicar adecuadamente la técnica; 4. Interpretar el modelo resultante identificando
las variables predictoras propuestas y su importancia explicativa; y 5. Establecer la bondad de
ajuste del modelo y su capacidad predictiva.
RESULTADOS: En el ejemplo de estudio propuesto sobre violencias de género entre
adolescentes en los entornos virtuales, la aplicación de esta técnica ha permitido identificar
factores asociados con el comportamiento ciberagresor vinculados a una serie de variables de
tipo tecnológico y personal.
El Análisis de regresión lineal múltiple es una técnica estadística utilizada para estudiar la
relación entre variables en una amplia variedad de situaciones y predecir fenómenos diversos
Existe una diversidad de Paquetes Estadísticos, entre los cuales encontramos los llamados
paquetes comerciales y dentro de ellos tenemos entre los más comunes por ser los más
usados y conocidos: SPSS, SAS, BMDP, STATGRAPHICS, STATISTIX.
1.5 ¿QUÉ TIPOS DE PAQUETES ESTADÍSTICOS EXISTEN?
Existe una diversidad de Paquetes Estadísticos, entre los cuales encontramos los llamados
paquetes comerciales y dentro de ellos tenemos entre los más comunes por ser los más
usados y conocidos: SPSS, SAS, BMDP, STATGRAPHICS, STATISTIX.
1.6 CONCLUSIÓN
El análisis de regresión y corrección lineal constituye métodos que se emplean para conocer
las relaciones y significación entre series de datos, Lo anterior el de suma importancia para la
industria ya que es aquí en donde se presenta variables de respuestas e independientes las
cuales se interactúan para original las características de un proceso paso a paso en particular y
por ende analizar, predecir valores de la variable dependientes y examinar el proceso de cada
tema.
1.7 REFERENCIAS
https://users.exa.unicen.edu.ar/catedras/modysim/tutoriales/regresion_multiple.pdf
http://personal.us.es/vararey/adatos2/Regsimple.pdf
http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/MULTIVARIANTE/
REGRE_MULTIPLE
