Mtodos Cuantitativos.

FNSP U de A

REGRESIN LINEAL MLTIPLE La regresin lineal mltiple estima los coe icientes de la ecuacin lineal! con una o m"s varia#les independientes! $ue me%or prediga el valor de la varia#le dependiente. Por e%emplo! se puede intentar predecir el total de acturacin lograda por servicios prestados en una &PS cada mes 'la varia#le dependiente( a partir de varia#les independientes tales como) *ipo de servicio! edad! recuencia del servicio! tipo de usuario + los a,os de antig-edad en el sistema del usuario. Mtodos de seleccin de variables en el anlisis de regresin lineal La seleccin del mtodo permite especi icar cmo se introducen las varia#les independientes en el an"lisis. Utili.ando distintos mtodos se pueden construir diversos modelos de regresin a partir del mismo con%unto de varia#les. Para introducir las varia#les del #lo$ue en un slo paso seleccione &ntroducir. Para eliminar las varia#les del #lo$ue en un solo paso! seleccione /liminar. La seleccin de varia#les 0acia adelante introduce las varia#les del #lo$ue una a una #as"ndose en los criterios de entrada . La eliminacin de varia#les 0acia atr"s introduce todas las varia#les del #lo$ue en un nico paso + despus las elimina una a una #as"ndose en los criterios de salida . La entrada + salida de varia#les mediante Pasos sucesivos e1amina las varia#les del #lo$ue en cada paso para introducirlas o e1cluirlas . Se trata de un procedimiento 2acia adelante por pasos. Los valores de signi icacin de los resultados se #asan en el a%uste de un nico modelo. Por ello! estos valores no suele ser v"lidos cuando se emplea un mtodo por pasos 'Pasos sucesivos! 0acia adelante o 0acia atr"s(. *odas las varia#les de#en superar el criterio de tolerancia para $ue puedan ser introducidas en la ecuacin! independientemente del mtodo de entrada especi icado. /l nivel de tolerancia por de ecto es 3!3334. *ampoco se introduce una varia#le si esto provoca $ue la tolerancia de otra +a presente en el modelo se site por de#a%o del criterio de tolerancia. *odas las varia#les independientes seleccionadas se a,aden a un mismo modelo de regresin. Sin em#argo! puede especi icar distintos mtodos de introduccin para di erentes su#con%untos de varia#les. Por e%emplo! puede introducir en el modelo de regresin un #lo$ue de varia#les $ue utilice la seleccin por pasos sucesivos! + un segundo #lo$ue $ue emplee la seleccin 2acia adelante. Para a,adir al modelo de regresin un segundo #lo$ue de varia#les! pulse en Siguiente. Regresin lineal !onsideraciones sobre los datos "atos# Las varia#les dependiente e independientes de#en ser cuantitativas. Las varia#les categricas! como la religin! estudios principales o el lugar de residencia! 2an de recodi icarse como varia#les #inarias 'dumm+( o como otros tipos de varia#les de contraste. S$%$estos# Para cada valor de la varia#le independiente! la distri#ucin de la varia#le dependiente de#e ser normal. La varian.a de distri#ucin de la varia#le
Len 5ar6o 7ello P. ld#ello8gua%iros.udea.edu.co

14/11/13

Mtodos Cuantitativos. FNSP U de A

dependiente de#e ser constante para todos los valores de la varia#le independiente. La relacin entre la varia#le dependiente + cada varia#le independiente de#e ser lineal + todas las o#servaciones de#en ser independientes. Estad&sticos. Para cada varia#le) nmero de casos v"lidos! media + desviacin t6pica. Para cada modelo) coe icientes de regresin! matri. de correlaciones! correlaciones parciales + semiparciales! 9 mltiple! 9 cuadrado! 9 cuadrado corregida! cam#io en 9 cuadrado! error t6pico de la estimacin! ta#la de an"lisis de la varian.a! valores pronosticados + residuos. Adem"s! intervalos de con ian.a al :;< para cada coe iciente de regresin! matri. de varian.a=covarian.a! actor de in lacin de la varian.a! tolerancia! prue#a de 5ur#in=>atson! medidas de distancia 'Ma2alano#is! Coo? + valores de in luencia(! 5 7eta! 5 A%uste! intervalos de prediccin + diagnsticos por caso. 5iagramas) diagramas de dispersin! gr" icos parciales! 2istogramas + gr" icos de pro#a#ilidad normal. Gr'icos# Los gr" icos pueden a+udar a validar los supuestos de normalidad! linealidad e igualdad de las varian.as. *am#in son tiles para detectar valores at6picos! o#servaciones poco usuales + casos de in luencia. *ras guardarlos como nuevas varia#les! dispondr" en el /ditor de datos de los valores pronosticados! los residuos + otros valores diagnsticos! con los cuales podr" poder crear gr" icos respecto a las varia#les independientes. Se encuentran disponi#les los siguientes gr" icos) "iagra(as de dis%ersin# Puede representar cual$uier com#inacin por pare%as de la lista siguiente) la varia#le dependiente! los valores pronosticados tipi icados! los residuos tipi icados! los residuos eliminados! los valores pronosticados corregidos! los residuos estudenti.ados o los residuos eliminados estudenti.ados. 9epresente los residuos tipi icados rente a los valores pronosticados tipi icados para contrastar la linealidad + la igualdad de las varian.as. Generar todos los gr'icos %arciales. Muestra los diagramas de dispersin de los residuos de cada varia#le independiente + los residuos de la varia#le dependiente cuando se regresan am#as varia#les por separado so#re las restantes varia#les independientes. /n la ecuacin de#e 2a#er al menos dos varia#les independientes para $ue se generen los gr" icos parciales.

Grficos de residuos tipificados. Puede o#tener 2istogramas de los residuos

tipi icados + gr" icos de pro#a#ilidad normal $ue comparen la distri#ucin de los residuos tipi icados con una distri#ucin normal.

METODOS DEPENDIENTES ANALISIS DE REGRESION LINEAL MLTIPLE

Conceptualmente! el FIVi 'Factor de incremento de la varian.a( es la proporcin de varia#ilidad de la isima varia#le! $ue e1plican el resto de las varia#les independientes.

Len 5ar6o 7ello P.

ld#ello8gua%iros.udea.edu.co

14/11/13

Mtodos Cuantitativos. FNSP U de A

La tolerancia de una varia#le es la proporcin de varia#ilidad de la varia#le! $ue no se e1plica por el resto de las varia#les independientes. La tolerancia + el FIV son mu+ tiles en la construccin de modelos de regresin. Si construimos un modelo paso a paso entrando las varia#les de una en una! es til conocer la tolerancia o el F&@ de las varia#les independientes +a entradas en la ecuacin. 5e esta manera! las varia#les con ma+or tolerancia son las $ue ma+or in ormacin aportar"n al modelo. Adem"s de la tolerancia + el FIV! de#emos estudiar la matri. de correlaciones. Altas correlaciones entre las varia#les implicadas en el modelo de#en considerarse como indicios de colinealidad. Puede ocurrir $ue! aun siendo pe$ue,as las correlaciones entre las varia#les e1ista colinealidad. Supongamos $ue tenemos K varia#les independientes + construimos otra $ue sea la media de los valores de las otras K varia#les! en este caso la colinealidad ser" completa! pero si K es grande! los coe icientes de correlacin ser"n pe$ue,os. Por lo tanto! el estudio de la matri. de correlaciones no es su iciente. Una tcnica $ue cada ve. se utili.a m"s! aun$ue resulta algo so isticada! es el an"lisis de los autovalores de la matri. de correlaciones o de la matri. del producto cru.ado. A partir de los autovalores! se puede calcular l IN"I!E "E !)N"I!I)NAMIENT) I! tanto glo#al del modelo como de cada varia#le. /l 6ndice de condicionamiento! es la ra6. cuadrada del cociente entre el m"1imo + el m6nimo autovalores. Si el IC es ma+or $ue 30! e1iste colinealidad elevada! si el IC es ma+or $ue 10 + menor $ue 30! la colinealidad es moderada! si el IC es menor $ue 43! no e1iste colinealidad. *am#in es interesante el 6ndice de condicionamiento para cada varia#le &ci! $ue es la ra6. cuadrada del cociente del m"1imo autovalor + el isimo autovalor # La varian.a de cada coe iciente de regresin! incluida la constante! puede ser descompuesta como la suma de componentes asociadas a cada uno de los autovalores si el porcenta%e de la varian.a de algunos coe icientes de correlacin se asocia con el mismo autovalor! 2a+ evidencia de colinealidad.

PAS)S
4. C. D. E. ;. F. G. H. &denti icar Ai! B Constru6r diagrama de dispersin /st6mar los par"metros del modelo. Pro#ar la signi 6cancia 5eterminar la uer.a de la asociacin @eri icar la e1actitud de la prediccin An"lisis de residuales @alidacin cru.ada del modelo

Len 5ar6o 7ello P.

ld#ello8gua%iros.udea.edu.co

14/11/13

Mtodos Cuantitativos. FNSP U de A

REGRESION MULTIPLE DE VARIABLE FICTICIA

La utili.acin de la regresin en la investigacin de mercados podr6a verse seriamente limitada por el 2ec2o de $ue las varia#les independientes de#en presentarse en escalas de intervalos. A ortunadamente! e1iste una orma de emplear varia#les independientes nominales dentro de un conte1to de regresin. /l procedimiento reci#e el nom#re de Regresin M*lti%le de +ariable ,icticia RMVF. 7"sicamente RMVF convierte las varia#les nominales en una serie de varia#les #inarias $ue se codi ican 3= 4 por e%emplo! suponemos $ue deseamos utili.ar la varia#le nominal Se1o en una regresin. Podr6amos codi icarla de la siguiente manera) CATEGORIA CODIGO Masculino 3 Femenino 4 /l intervalo entre 3 + 4 es igual +! por tanto! acepta#le en la regresin. Ntese $ue 2emos convertido una varia#le nominal de dos categor6as en una varia#le 3=4 podemos e1tender este en o$ue a una varia#le nominal de mltiples categor6as. La varia#le nominal de cuatro categor6as! "rea de estudio C! puede convertirse en tres varia#les icticias! 14! 1C! + 1D de la siguiente manera) AREA x4 XC X3 0umanidades 4 3 3 Salud 3 4 3 Matem"ticas 3 3 4 C. Naturales 3 3 3 /sta varia#le nominal de cuatro categor6as se convierte en K-1 categor6as son 3 4! la I=sima categor6a se determina autom"ticamente como 3 4. Crear una ?=sima varia#le icticia ser6a redundante +! de 2ec2o! invalidar6a toda la regresin. /s ar#itraria la eleccin de la categor6a en la cual todo e$uivale a cero. Ntese $ue slo una de las varia#les 14! 1C! 1D tomar" el valor de 4 para cual$uier individuo + las otras dos A ser"n cero 9. 0umano J a K # 0umanidades K c Salud K d Matem"ticas K e C.Naturales /n una regresin podemos tener la cantidad de varia#les icticias $ue sean necesarias! su%etas a la restriccin de $ue cada varia#le icticia utili.a un grado de li#ertad. Por lo mismo! de#emos contar con un tama,o de muestra adecuado.

Tomado del texto Investigacin de Mercados. Kinnear y Taylor Ejemplo adaptado ld#ello8gua%iros.udea.edu.co

Len 5ar6o 7ello P.

14/11/13

Mtodos Cuantitativos. FNSP U de A

REGRESIN L)G-STI!A La regresin log6stica resulta til para los casos en los $ue se desea predecir la presencia o ausencia de una caracter6stica o resultado segn los valores de un con%unto de varia#les predictoras. /s similar a un modelo de regresin lineal pero est" adaptado para modelos en los $ue la varia#le dependiente es dicotmica. Los coe icientes de regresin log6stica pueden utili.arse para estimar la ra.n de las venta%as 'odds ratio( de cada varia#le independiente del modelo. La regresin log6stica se puede aplicar a un rango m"s amplio de situaciones de investigacin $ue el an"lisis discriminante. E.e(%lo# LMu caracter6sticas del estilo de vida son actores de riesgo de en ermedad cardiovascular N 5ada una muestra de pacientes a los $ue se mide la situacin de umador! dieta! e%ercicio! consumo de alco2ol! + estado de en ermedad cardiovascular ! se puede construir un modelo utili.ando las cuatro varia#les de estilo de vida para predecir la presencia o ausencia de en ermedad cardiovascular en una muestra de pacientes. /l modelo puede utili.arse posteriormente para derivar estimaciones de la ra.n de las venta%as para cada uno de los actores + as6 indicarle! por e%emplo! cu"nto m"s pro#a#le es $ue los umadores desarrollen una en ermedad cardiovascular rente a los no umadores. "atos# La varia#le dependiente de#e ser dicotmica. Las varia#les independientes pueden estar a nivel de intervalo o ser categricasO si son categricas! de#en ser varia#les dumm+ o estar codi icadas como indicadores 'e1iste una opcin en el procedimiento para recodi icar autom"ticamente las varia#les categricas(. S$%$estos# La regresin log6stica no se #asa en supuestos distri#ucionales en el mismo sentido en $ue lo 2ace el an"lisis discriminante. Sin em#argo! la solucin puede ser m"s esta#le si los predictores tienen una distri#ucin normal multivariante. Adicionalmente! al igual $ue con otras ormas de regresin! la multicolinealidad entre los predictores puede llevar a estimaciones sesgadas + a errores t6picos in lados . /l procedimiento es m"s e ica. cuando la pertenencia a grupos es una varia#le categrica autnticaO si la pertenencia al grupo se #asa en valores de una varia#le continua 'por e%emplo PC& alto P en contraposicin a PC& #a%oP(! de#er" considerar el utili.ar la regresin lineal para aprovec2ar la in ormacin muc2o m"s rica o recida por la propia varia#le continua. Estad&sticos# Para cada an"lisis) Casos totales! Casos seleccionados! Casos v"lidos. Para cada varia#le categrica) codi icacin de los par"metros. Para cada paso) varia#les introducidas o eliminadas! 2istorial de iteraciones! =C log de la verosimilitud! #ondad de a%uste! estad6stico de #ondad de a%uste de 0osmer= Lemes2oQ! c2i=cuadrado del modelo R! c2i=cuadrado de la me%ora! ta#la de clasi icacin! correlaciones entre las varia#les! gr" ico de las pro#a#ilidades pronosticadas + los grupos o#servados! c2i=cuadrado residual. Para cada varia#le de la ecuacin) Coe iciente '7(! /rror t6pico de 7! /stad6stico de >ald! 9! 9a.n de las venta%as estimada 'e1p'7((! &ntervalo de con ian.a para e1p'7(! Log de la verosimilitud si el trmino se 2a eliminado del modelo. Para cada varia#le $ue no est en la ecuacin) /stad6stico de puntuacin! 9. Para cada caso) grupo
Len 5ar6o 7ello P. ld#ello8gua%iros.udea.edu.co

14/11/13

Mtodos Cuantitativos. FNSP U de A

o#servado! pro#a#ilidad pronosticada! grupo pronosticado! residuo! residuo tipi icado. Mtodos. Puede estimar modelos utili.ando la entrada en #lo$ue de las varia#les o cual$uiera de los siguientes mtodos por pasos) Condicional 2acia adelante! L9 2acia adelante! >ald 2acia adelante! Condicional 2acia atr"s! L9 2acia atr"s o >ald 2acia atr"s. REGRESIN L)G-STI!A M/LTIN)MIAL La opcin 9egresin log6stica multinomial resulta til en a$uellas situaciones en las $ue desee poder clasi icar a los su%etos segn los valores de un con%unto de varia#les predictoras. /ste tipo de regresin es similar a la regresin log6stica! pero m"s general! +a $ue la varia#le dependiente no est" restringida a dos categor6as. "atos. La varia#le dependiente de#e ser categrica. Las varia#les independientes pueden ser actores o covaria#les. /n general! los actores de#en ser varia#les categricas + las covaria#les de#en ser varia#les continuas.

Len 5ar6o 7ello P.

ld#ello8gua%iros.udea.edu.co

14/11/13