Regresión Lineal Múltiple

GILMA SABINA L I ZAMA GAITÁN

¿A qué se refiere?
Es un análisis que busca establecer relación entre variables, de
tipo estadístico; es decir, relación de dependencia.
La diferencia de éste análisis, respecto al anterior sobre
regresión lineal simple, consiste en que ahora no es sólo una
variable explicativa (independiente); sino, dos o más.
Y = Variable Dependiente (La que se busca explicar)
X1, X2…Xn = Variables Independientes (Explicativas)…dos o más.
 Diferencia de Interpretación de Parámetros Estimados

෡𝟎 + 𝜷
ෝ𝒊 = 𝜷
𝒚 ෡ 𝟏 𝑿𝟏 + 𝜷
෡ 𝟐 𝑿𝟐 + ⋯ + 𝜷
෡ 𝒏 𝑿𝒏

𝛽መ1 = 𝑀𝑖𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎 𝑒𝑛 𝑦, 𝑝𝑜𝑟 𝑐𝑎𝑑𝑎 𝑢𝑛𝑖𝑑𝑎𝑑 𝑞𝑢𝑒 𝑖𝑛𝑐𝑟𝑒𝑚𝑒𝑛𝑡𝑎 𝑋1 , 𝑚𝑎𝑛𝑡𝑒𝑛𝑖𝑒𝑛𝑑𝑜 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑒𝑙 𝑟𝑒𝑠𝑡𝑜 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠

𝛽መ2 = 𝑀𝑖𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎 𝑒𝑛 𝑦, 𝑝𝑜𝑟 𝑐𝑎𝑑𝑎 𝑢𝑛𝑖𝑑𝑎𝑑 𝑞𝑢𝑒 𝑖𝑛𝑐𝑟𝑒𝑚𝑒𝑛𝑡𝑎 𝑋2 , 𝑚𝑎𝑛𝑡𝑒𝑛𝑖𝑒𝑛𝑑𝑜 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑒𝑙 𝑟𝑒𝑠𝑡𝑜 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠

Y así sucesivamente, dependiendo del número de variables explicativas incluidas en

el modelo.
 Ejemplo: Caso de dos variables independientes

Según la teoría macroeconómica, la Curva de Phillips

Ampliada con Expectativas plantea que la tasa de inflación
de un país depende de la tasa de desempleo y de la tasa de
inflación esperada. A continuación se tienen datos de una
serie de tiempo correspondiente a la tasa de inflación
observada, la tasa de desempleo y la tasa de inflación
esperada de Estados Unidos. Calcular la ecuación de
regresión múltiple e interpretar los coeficientes estimados.
 Inflación Observada (%) Tasa de Desempleo (%) Inflación Esperada (%)
Año
(Y) (X1) (X2)
1970 5.92 4.9 4.78
1971 4.3 5.9 3.84
1972 3.3 5.6 3.13
1973 6.23 4.9 3.44
1974 10.97 5.6 6.84
1975 9.14 8.5 9.47
1976 5.77 7.7 6.51
1977 6.45 7.1 5.92
1978 7.6 6.1 6.08
1979 11.47 5.8 8.09
1980 13.46 7.1 10.01
1981 10.24 7.6 10.81
1982 5.99 9.7 8
 Los tres parámetros
estimados son
estadísticamente
significativos.

Coeficientesa
Coeficiente
s
Coeficientes no estandariza
estandarizados dos Correlaciones
Orden
Modelo B Error estándar Beta t Sig. cero Parcial Parte
1 (Constante) 7.193 1.595 4.511 .001
Desempleo -1.392 .305 -.661 -4.565 .001 .116 -.822 -.507
Inflacion_Esperada 1.470 .176 1.212 8.363 .000 .787 .935 .929
a. Variable dependiente: Inflacion_Observada
Modelo estimado utilizando programa estadístico SPSS
𝑌෠𝑖 = 𝛽መ0 − 𝛽መ1 𝑋1 + 𝛽መ2 𝑋2

Ecuación de regresión estimada ෡ 𝒊 = 𝟕. 𝟏𝟗𝟑 − 𝟏. 𝟑𝟗𝟐𝑿𝟏 + 𝟏. 𝟒𝟕𝑿𝟐

𝒀
Interpretación
෡ 𝟎 = 𝟕. 𝟏𝟗
𝜷
Se espera que la tasa de inflación observada sea de 7.19%, cuando la tasa de desempleo y la tasa
de inflación esperada son 0%.
෡ 𝟏 = −𝟏. 𝟑𝟗
𝜷
Se espera que la tasa de inflación observada disminuya 1.39% por cada 1% de aumento en la tasa
de desempleo, manteniendo constante la tasa de inflación esperada.
෡ 𝟐 = 𝟏. 𝟒𝟕
𝜷
Se espera que la tasa de inflación observada aumente 1.47% por cada 1% en que aumenta la tasa
de inflación esperada, manteniendo constante la tasa de desempleo.
 De manera global no tiene significado,
en regresión múltiple. Se debe
analizar las correlaciones parciales.

Resumen del modelo

Error estándar de la
Modelo R R cuadrado R cuadrado ajustado estimación
1
.936a .877 .852 1.17060
a. Predictores: (Constante), Inflacion_Esperada, Desempleo

La dispersión de la
El modelo en conjunto explica inflación observada
87.7% la variación esperada de respecto a la estimada
la tasa de inflación observada. es de 1.17%
 Existe una fuerte asociación
lineal negativa entre tasa de
Correlaciones inflación observada y tasa de
desempleo.
Orden cero Parcial Parte
(Constante)
Existe una fuerte asociación
Desempleo lineal positiva entre la tasa de
.116 -.822 -.507
inflación observada y la tasa
Inflacion_Esperada de inflación esperdada.
.787 .935 .929
a. Variable dependiente: Inflacion_Observada
El aprendizaje se fortalece a partir de
la aplicación. El conocimiento se
genera a partir de incorporar lo
aprendido a la práctica.