Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Para poder estudiar la relación que existe entre dichas variables es necesario
establecer cuál es la relación funcional que existe entre ellas. Un primer paso para
determinar esta posible relación entre las variables es analizar el gráfico de datos
observados. Este gráfico
se llama gráfico de
dispersión y permite
determinar visualmente
si las variables están
relacionadas o no. En el
caso de que estén
relacionadas, se podrá
intuir la intensidad, el
sentido de la relación
entre las variables
(directa o inversa) y el
tipo de relación (lineal o
no lineal) existente entre
ellas.
Algunos ejemplos de la
relación que existe entre
las variables utilizando el
gráfico de dispersión son los siguientes:
Los procesos analíticos que relacionan, de manera muy simple, los resultados de
dos o más variables, constituyen un ejemplo de lo expresado en la Introducción a
este Anexo. La idea básica es el conocimiento de la relación existente entre
variables. Así, por ejemplo, la cantidad de demanda de un producto es
considerada función de su variable precio, los costos de producción son función de
la cantidad producida, los gastos de consumo son función del ingreso familiar, etc.
En otros casos, hay relaciones que se establecen no sólo entre dos sino entre tres
o más variables, como en el caso en que la demanda se considere función del
precio, del ingreso familiar, del precio de otros bienes de consumo, etc.
Y = f(X)
Y = a + bX
Y = aebX
Y = aXb
y = a + b 1/x
Ahora bien, no todas las relaciones están definidas de manera precisa por las
vectas (o curvas) que representan esas relaciones, y hay que introducir elementos
estocásticos para los propósitos de análisis y experimentación. Este elemento (u)
se establece como condicionante de su utilización y valor cuando X adopta cierta
magnitud, convirtiendo a la relación inicial en
Y = a + bX + u.
donde
Yi = b1 + b2X2i + b3X3i + ui
o
En ese caso, la correlación entre la variable dependiente (1) y las variables
independientes (2 y 3) se conoce como coeficiente de correlación múltiple (R 1.23),
definido por las ecuaciones
donde
Regresión
y = a + bx (1)
En esta ecuación, “y” representa los valores de la coordenada a lo largo del eje
vertical en el gráfico (ordenada); en tanto que “x” indica la magnitud de la
coordenada sobre el eje horizontal (absisa). El valor de “a” (que puede ser
negativo, positivo o igual a cero) es llamado el intercepto; en tanto que el valor de
“b” (el cual puede ser negativo o positivo) se denomina la pendiente o coeficiente
de regresión.
Tabla 1
Serie de datos para el cálculo de una regresión (“a” y “b”) y del coeficiente de
correlación (“r”)
El procedimiento para obtener valores de “a” y “b” para una serie de pares de
datos de “x” y de “y” (tal como la presentada en la Figura 1 y/o en la Tabla 1) es
como sigue:
Paso 1 Calcule, para cada par de valores de “x” e “y”, las cantidades “x²”, “y²”, y
“x.y”.
Paso 2 Obtenga las sumas (∑) de estos valores para todos los pares de datos de
“x” e “y”, así como las sumas del total de los valores de “x” e “y”. Los
resultados de los Pasos 1 y 2 aparecerán en forma similar a la siguiente:
Número de pares de datos x x² y y² x.y
1 … … … … …
2 … … … … …
3 … … … … …
·
·
·
n … … … … …
Monto de las sumas ∑x ∑x² ∑y ∑y² ∑x·y
Pas
Estime la pendiente (b) por medio de la relación:
o3
Pas
Estime el intercepto (a) por medio de la relación:
o4
A partir de esos valores de “a” y de “b” obtenidos mediante las Ecuaciones 2 y 3,
es posible trazar a lo largo de los puntos dispersos de un gráfico la línea recta
mejor ajustada a los mismos, y verificar visualmente si tales puntos están bien
“expresados” por la línea (Figura 1b).
Regresión múltiple
La regresión lineal es una técnica estadística destinada a analizar por qué pasan
las cosas o cuáles son las principales explicaciones de algún fenómeno. A partir
de los análisis de regresión lineal múltiple podemos:
Este tutorial enseña a analizar la regresión lineal múltiple en 4 sencillos pasos, sin
complicaciones ni lenguaje sofisticado, todo directo y claro para que seamos
capaces de entender investigaciones que aplican regresión lineal y ser capaces de
usarla en nuestros estudios cuando queramos averiguar las las causas de algún
fenómeno.
https://www.guiasjuridicas.es/Content/Documento.aspx?
params=H4sIAAAAAAAEAMtMSbF1jTAAASNDSzNTtbLUouLM_DxbIwMDS0MDI
wuQQGZapUt-ckhlQaptWmJOcSoAOSON0zUAAAA=WKE
https://www.oas.org/dsd/publications/Unit/oea35s/ch39.htm
http://www.fao.org/3/X6845S/X6845S02.htm
https://sites.google.com/site/numerictron/unidad-4/4-3-regresion-por-minimos-
cuadrados-lineal-y-cuadratica
http://networkianos.com/regresion-lineal-multiple/
https://www.addlink.es/noticias/minitab/2846-comprendamos-las-pruebas-de-
hipotesis-intervalos-y-niveles-de-confianza