Análisis de regresión múltiple: el

problema de estimación
 Modelo con tres variables: notación y supuestos
Supuestos
 Interpretación de la ecuación de
regresión múltiple

se obtiene la media condicional o el valor esperado de Y condicionado a los

valores dados o fijos de las variables X2 y X3. Por consiguiente, como en el
caso de dos variables, el análisis de regresión múltiple es el análisis de
regresión condicional sobre los valores fijos de las variables explicativas, y lo
que obtenemos es el valor promedio o la media de Y, o la respuesta media de Y
a los valores dados de las regresoras X.
Significado de los coeficientes de
regresión parcial
los coeficientes de regresión β2 y β3 se conocen como
coeficientes de regresión parcial o coeficientes parciales
de pendiente. El significado del coeficiente de regresión
parcial es el siguiente: β2 mide el cambio en el valor de la
media de Y, E(Y), por unidad de cambio en X2, con X3
constante. Expresado de otra forma, proporciona el
efecto “directo” o “neto” que tiene una unidad de
cambio de X2 sobre el valor medio de Y, neto de
cualquier efecto que X3 pueda ejercer en la media Y.
Estimación de MCO de los
coeficientes de regresión parcial
Varianzas y errores estándar de los
estimadores de MCO

Propiedades de los estimadores de MCO

El coeficiente múltiple de determinación R2
y el coeficiente múltiple de correlación R (t 7,1)
Modelos de regresión polinomial
Ahora consideraremos una clase de modelos de regresión múltiple, los
modelos de regresión polinomial, de amplio uso en la investigación
econométrica relacionada con funciones de costo y de producción.
Al introducir estos modelos, ampliamos la gama de modelos a todos
los que se aplica fácilmente el modelo clásico de regresión lineal.
Tenga en cuenta que, en estos tipos de regresiones polinomiales, sólo hay
una variable explicativa al lado derecho, pero aparece elevada a distintas
potencias, convirtiéndolas en modelos de regresión múltiple. A propósito,
observe que si se supuso que Xi es fi ja o no estocástica, los términos de Xi
elevados a alguna potencia también se hacen fijos o no estocásticos.
Prueba de significancia general de
la regresión muestral
El método del análisis de varianza en las pruebas de significancia
general de una regresión múltiple observada: la prueba F
Multicolinealidad:
¿qué pasa si las regresoras están
correlacionadas?
 El supuesto 8 del modelo clásico de regresión lineal (MCRL) plantea que no existe
multicolinealidad entre las regresoras incluidas en el modelo de regresión.
1. ¿Cuál es la naturaleza de la multicolinealidad?
2. ¿Es la multicolinealidad realmente un problema?
3. ¿Cuáles son sus consecuencias prácticas?
4. ¿Cómo se detecta?
5. ¿Qué medidas pueden tomarse para aliviar el problema de multicolinealidad?
Naturaleza de la multicolinealidad
Existen diversas fuentes de multicolinealidad.
Como afirman Montgomery y Peck, la
multicolinealidad puede deberse a los
siguientes factores:
factor inflacionario de la varianza (FIV)

Medidas correctivas