[Siguiente][Anterior][Arriba]

6.6 Tabla ANOVA. El contraste de regresin.

En este apartado se descompone la variabilidad de la variable respuesta
en variabilidad explicada por el modelo ms variabilidad no explicada o
residual, esto permitir contrastar si el modelo es significativo o no. Bajo
la hiptesis de que existe una relacin lineal entre la variable respuesta y
la regresora, se quiere realizar el siguiente contraste de hiptesis,
frente a la alternativa
por tanto, si se acepta H
0
, la variable regresora no influye y no hay
relacin lineal entre ambas variables. En caso contrario, si existe una
dependencia lineal de la variable respuesta respecto a la regresora.
Para todos los datos muestrales se hace la siguiente descomposicin
elevando al cuadrado y sumando se obtiene,
en base a la ortagonalidad de los vectores se obtiene que los productos
cruzados son cero, de donde se sigue la siguiente igualdad (Teorema de
Pitgoras) que permite descomponer la variabilidad de la variable
respuesta en la variabilidad explicada por la recta de
regresin ms la variabilidad residual o no explicada por
el modelo ajustado ,
16/03/2011 6. El modelo de regresin lineal simple -
dm.udc.es/asignaturas//sec6_6.html 1/2
Ahora se puede construir siguiente tabla ANOVA
Tabla ANOVA del modelo de regresin simple
Fuente de
Variacin
Suma de
Cuadrados
Grados de
Libertad
Varianzas
Por la recta
scE =
i = 1
n
2
1

e
2
=
Residual
scR =
i = 1
n
2
n - 2

R
2
=
Global
scG =
i = 1
n
2
n - 1

Y
2
=
Si H
0
es cierta (la variable X no influye), la recta de regresin es
aproximadamente horizontal y se verifica que aproximadamente
i
, y
por tanto scE 0. Pero scE es una medida con dimensiones y no puede
utilizarse como medida de discrepancia, para resolver este inconveniente
se divide por la varianza residual y como estadstico del contraste de
regresin se utiliza el siguiente
Por la hiptesis de normalidad y bajo H
0
se deduce que el estadstico
R
sigue una distribucin F (Contraste de la F) con 1 y n - 2 grados de
libertad.
(6.14)
S el p - valor = P es grande (mayor que ) se acepta H
0
.
El Contraste de la F es un contraste unilateral (de una cola) pero en este
modelo proporciona exactamente el mismo resultado que se obtiene por
el contraste individual de la t relativo al coeficiente de regresin
1
(Contraste de la t) estudiado en el apartado anterior.
[Siguiente][Anterior][Arriba]
16/03/2011 6. El modelo de regresin lineal simple -
dm.udc.es/asignaturas//sec6_6.html 2/2
[Siguiente][Anterior][Arriba]
6.7 El contraste de linealidad.
Si para cada valor de la variable explicativa se dispone de varios
valores de la variable respuesta (algo normal en los modelos de regresin
de diseo fijo) la muestra es de la siguiente forma
, que se puede ordenar como en la
tabla adjunta
X
1
X
2
... X
k
Y
11
Y
21
... Y
k1
Y
12
Y
22
... Y
k2
Y
1n
1
Y
2n
2
...
Y
kn
k
El tamao muestral es n
1
+ n
2
+ ... + n
k
= n, y para cada valor de X = x
i
, i =
1,2,...,k se puede calcular la media condicionada muestral de la variable
respuesta:
lo que permite descomponer los residuos de la siguiente forma
Un razonamiento anlogo al realizado anteriormente permite
descomponer la variabilidad no explicada como sigue,

16/03/2011 6. El modelo de regresin lineal simple -
dm.udc.es/asignaturas//sec6_7.html 1/3

Ahora la descomposicin de la variabilidad total es la siguiente,


En base a esta igualdad se puede construir la siguiente tabla ANOVA, ms
completa que la anterior,
Tabla ANOVA del modelo de regresin simple
Fuente de
Variacin
Suma de
Cuadrados
Grados de
Libertad
Varianzas
Recta
scE =
i = 1
k
n
i
2
1
e
2
=
scR(1)
scR(2)
scR
scR(1) =
i = 1
k
n
i
2

scR(2) =
i = 1
k

j =
1
n
i
2
scR =
i = 1
k

j = 1
n
i
2
k - 2
n - k
n - 2
R,1
2
=
R,2
2
=

R
2
=
Global Global
i = 1
n 2
n - 1

Y
2
=
A partir de esta tabla ANOVA se puede contrastar la hiptesis de que la
funcin de regresin es lineal frente a la alternativa de que no es lineal,
esto es,
16/03/2011 6. El modelo de regresin lineal simple -
dm.udc.es/asignaturas//sec6_7.html 2/3
frente a la alternativa
Si H
0
es cierto, las medias condicionadas estarn prximas a la recta de
regresin:
i

i
, y la scR(1) =
i = 1
k
n
i
2
0. De nuevo esta medida
tiene dimensiones y no es vlida para utilizar como medida de
discrepancia, para resolver el problema se compara con
R,2
2
y el
cociente de ambas cantidades se utiliza como estadstico del contraste en
estudio.
Bajo la hiptesis de normalidad y H
0
(hiptesis de linealidad) se
deduce que
L
sigue una distribucin F
k - 2, n - k
(Contraste de la F).
Este contraste de linealidad de la F es unilateral. Si el p-valor = P
es grande (mayor que ) se acepta que la curva de
regresin es lineal.
[Siguiente][Anterior][Arriba]
16/03/2011 6. El modelo de regresin lineal simple -
dm.udc.es/asignaturas//sec6_7.html 3/3