ASIGNATURA: ESTADSTICA II

TEMA: REGRECIN Y CORRELACIN MULTIPLE

INFERENCIA EN EL ANALISIS DE CORRELACIN MULTIPLE
DETERMINACION DE COEFICIENTES DE CORRELACIN
MULTIPLE
VALIDACIN DE LOS PARAMETROS ESTIMADOS

Introduccin
En el anlisis de regresin y correlacin mltiple describe la relacin entre dos o ms
variables independientes y una variable dependiente, este anlisis se aproxima ms a
situaciones de anlisis real puesto que los fenmenos, hechos y procesos sociales por
definicin son complejos por consecuencia deben ser explicados con todas las
variables que se relacionan directa o indirectamente.
Regresin Y Correlacin Mltiple
La regresin mltiple y el anlisis de correlacin mltiple consisten en estimar una
variable dependiente, utilizando dos o ms variables independientes.

Modelo grafico

Ejemplo:
El nivel de colesterol de un paciente puede ser explicado por la edad, peso, el nivel de
hemoglobina y el permetro abdominal.

2
El precio de una vivienda podra ser de acuerdo con el nmero de habitaciones, rea
construida, numero de pisos, rea tachada, etc.
La ventaja es que permite utilizar ms informacin disponible para estimar la variable
dependiente de manera confiable.
El Mtodo de mnimos cuadrados
Este mtodo garantiza que la suma de cuadrados de los errores es mnimo. Las
ecuaciones normales sern:

Donde b
0
, b
1
y b
2
son los coeficientes de regresin estimados.
Ejemplo:
Construir un modelo para determinar los niveles de colesterol, conociendo el peso(kg),
el dimetro de cintura (cm) y el nivel de hemoglobina (grs)

Al aplicar las ecuaciones normales obtenemos los siguientes coeficientes de regresin:
b
o
= 121,704 b
1
= 2,949 b
2
= 0,276 b
3
=7,843
Construyendo la ecuacin nos queda:

Coeficiente de correlacin mltiple.
En el estudio de la recta de regresin se ha definido el coeficiente de correlacin lineal
simple (o de Pearson) entre dos variables X e Y , como


3
donde s es la covarianza muestra entre las variables X e Y ; sX y sY son las
desviaciones tpicas mustrales de X e Y , respectivamente.
El coeficiente de correlacin lineal simple es una medida de la relacin lineal existente
entre las variables X e Y.
En general cuando se ajusta un modelo estadstico a una nube de puntos, una medida
de la bondad del ajuste es el coeficiente de determinacin, definido por

Si el modelo que se ajusta es un modelo de regresin lineal mltiple, a R se le
denomina coeficiente de correlacin mltiple y representa el porcentaje de variabilidad
de la Y que explica el modelo de regresin.
Como scE < scG, se verifica que 0 < R2 < 1. Si R2 = 1 la relacin lineal es exacta y
si R2 = 0 no existe relacin lineal entre la variable respuesta y las variables regresoras.
El coeficiente de correlacin mltiple R es igual al coeficiente de correlacin lineal
simple entre el vector variable respuesta y el vector de predicciones ,

Inferencias en la regresin lineal mltiple
Los puntos individuales normalmente no caen con exactitud en el plano de regresin
de poblacin, algunos puntos se encontraran arriba en el plano de regresin y algunos
debajo de este, en lugar de satisfacer la ecuacin

, los
puntos individuales que satisfarn la ecuacin

; la
cantidad e de esta ecuacin es una variable aleatoria que en promedio es igual a cero,
con la ecuacin original deberemos ser capaces de usarlo para hacer inferencias
sobre el plano de regresin de la poblacin.
Inferencias acerca de una pendiente individual B
1
El plano de regresin se deriva de una muestra y no de una poblacin completa, como
resultado no podemos esperar que la ecuacin de regresin verdadera

, sea exactamente igual que la ecuacin estimada a partir de las

observaciones de la muestras, sin embargo podemos utilizar el valor de b, una de las

4
pendientes que calculamos a partir de la muestra, para probar la hiptesis acerca del
valor de B, una de las pendientes de la regresin para la poblacin completa.
Para probar una hiptesis respecto a B, utilizamos las pruebas estadsticas, para
encontrar el estadstico de B, es necesario hallar primero el error estndar del
coeficiente de regresin, este coeficiente se representa con S
b1.
Para estandarizar la
pendiente de nuestra ecuacin de regresin ajustada:

Donde:
b
1
: pendiente de la regresin ajustada
B
1
: pendiente real hipottica
S
b1
: error estndar del coeficiente de regresin

Para determinar si una variable es significativa solo necesitamos verificar si -t
e
t
e
t


Validacin del modelo de regresin mltiple

Validar un modelo de regresin consiste en analizar si la variabilidad de la variable
criterio (Y) atribuida a la regresin en este caso al efecto del conjunto de variables
predictoras- es lo suficientemente grande con respecto a la variabilidad no explicada o
residual. El ndice F constituye una prueba estadstica pertinente para evaluar dicha
relacin:

La probabilidad (p) asociada al resultado de dicha prueba indica el grado de
certidumbre con el que podemos concluir que numerador -parte explicativa del
modelo- y denominador -parte borrosa o residual- coinciden, es decir, que lo
determinado o explicativo se confunde con o es lo mismo a- lo borroso del modelo. Si
dicha probabilidad es pequea (p<.05) concluimos que la parte explicativa supera en
cantidad suficiente a la no explicada, por lo que las variables determinadas como
relevantes por el modelo se consideran significativas en su conjunto-.

Fuentes de consulta
Annimo. Regresin y correlacin mltiple. Extrado el 06 de mayo del 2014 desde:
http://personal.us.es/avelarde/analisisdos/Regresionmultiple.pdf

5
Annimo. Regresin y correlacin mltiple. Extrado el 06 de mayo del 2014 desde:
http://www.ujcm.edu.pe/bv/links/cur_comercial/PronosticoNegocios-08.pdf
Annimo. Correlacin mltiple. Extrado el 07 de mayo del 2014 desde:
http://dm.udc.es/asignaturas/estadistica2/sec8_6.html#x1-980007.6.1
Levin. Rubin. Balderas. Del Valle. Gmez. Estadstica para administracin y economa.
Sptima edicin. Editorial Pearson Prentice Hall. Regresin Mltiple. Extrado el 08 de
mayo del 2014.