Regresión lineal múltiple: Supuestos del modelo y pruebas de significancia.

Alexander Carvajal

Supuestos del modelo

Los supuestos del modelo de regresión lineal múltiple son
1. Linealidad del modelo: El modelo de regresión es lineal en parámetros (betas).
2. Las variables regresoras 𝑋1 , 𝑋2 … 𝑋𝑝 son variables no estocásticas, es decir, que no
son variables aleatorias y toman valores fijos en el (Pérez Ramírez & Fernández
Castaño, 2009).
3. El término del error 𝜀 es una variable aleatoria cuya media o valor esperado es cero,
es decir 𝐸(𝜀𝑖 ) = 0. Por tanto, para valores dados de 𝑋1 , 𝑋2 … 𝑋𝑝 , el valor esperado
o promedio de 𝑌 esta dado por: 𝐸 (𝑌) = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑝 𝑋𝑝 (Anderson,
Sweeney, & Williams, 2008)
4. Supuesto de homocedasticidad: La varianza de todas las perturbaciones es la misma
en todas las observaciones. Es decir, 𝑣𝑎𝑟(𝜀𝑖 ) = 𝜎 2 para todo 𝑖 = 1,2, … , 𝑛 (Pérez
Ramírez & Fernández Castaño, 2009).
5. Las perturbaciones estocásticas son incorrelacionadas por tanto, para todo 𝑖 ≠ 𝑗 la
𝐶𝑜𝑣(𝜀𝑖 , 𝜀𝑗 ) = 0.
6. El término de error se distribuye normalmente.

Prueba de significancia
Prueba F: La prueba 𝐹 en un modelo de regresión lineal múltiple se utiliza para indicar
significancia general o global. En otras palabras se busca comprobar si existe relación lineal
significativa entre la variable dependiente 𝑌 y las variables independientes 𝑋.
El estadístico de prueba es
𝐶𝑀𝑅
𝐹=
𝐶𝑀𝐸
Donde
𝑆𝐶𝑅
𝐶𝑀𝑅: Cuadrado medio de la regresión, el cual es igual a: ,
𝑝

𝑆𝐶𝐸
𝐶𝑀𝐸: Cuadrado medio del error, el cual es igual a: 𝑛−𝑝−1

El resumen de los pasos para encontrar el estadístico 𝐹 se encuentran la tabla denominada

análisis de varianza (ANOVA). Esta tabla se muestra a continuación:

1
 Regresión lineal múltiple: Supuestos del modelo y pruebas de significancia.
Alexander Carvajal

Fuente de Suma de Grados de Cuadrados F

Variación cuadrados libertad Medios
Modelo de 𝑆𝐶𝑅 𝑝 𝑆𝐶𝑅 𝐶𝑀𝑅
𝐶𝑀𝑅 = 𝐹=
Regresión 𝑝 𝐶𝑀𝐸
Errores 𝑆𝐶𝐸 𝑛−𝑝−1 𝐶𝑀𝐸
residuales 𝑆𝐶𝐸
=
𝑛−𝑝−1
Total 𝑆𝑇𝐶 𝑛−1

Se planten dos hipótesis: hipótesis nula 𝐻0 : 𝑀𝑜𝑑𝑒𝑙𝑜 𝑙𝑖𝑛𝑒𝑎𝑙 𝑛𝑜 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 y hipótesis

alterna 𝐻𝑎 : 𝑀𝑜𝑑𝑒𝑙𝑜 𝑙𝑖𝑛𝑒𝑎𝑙 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜. La significancia del modelo (por lo menos una
de las variables es significativa) implica que 𝛽𝑗 ≠ 0, por tanto se tiene que:

𝐻0 : 𝛽0 = 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑝 = 0

𝑣𝑠
𝐻𝑎 : 𝑝𝑜𝑟 𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝛽𝑗 ≠ 0

Prueba t: La prueba 𝑡 en un modelo de regresión lineal múltiple se utiliza para indicar

significancia particular o individual. En otras palabras se busca comprobar si cada una de
las variables independientes 𝑋, influyen de manera significativa en las variaciones del valor
esperado de la variable dependiente 𝑌.
Se planten dos hipótesis (teniendo en cuenta que 𝛽𝑗 representa cualquier parámetro):
hipótesis nula 𝐻0 : 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑋𝑗 𝑛𝑜 𝑒𝑠 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑎 𝑒𝑛 𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 y la hipótesis alterna
𝐻𝑎 : 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑋𝑗 𝑒𝑠 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑎 𝑒𝑛 𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜. Rechazar 𝐻0 implica que la variable
𝑋𝑗 contribuye (ceteris paribus) a explicar la variabilidad de 𝑌, por tanto se tiene que:

𝐻0 : 𝛽𝑗 = 0

𝑣𝑠
𝐻𝑎 : 𝛽𝑗 ≠ 0

El estadístico de prueba es:

𝛽̂𝑗
𝑡=
𝑆𝛽̂𝑗

Intervalo de confianza: Este intervalo de confianza viene dado por la formula siguiente:

𝛽̂𝑗 − 𝑡(𝛼,𝑣) 𝑆𝛽̂𝑗 < 𝛽𝑗 < 𝛽̂𝑗 + 𝑡(𝛼,𝑣) 𝑆𝛽̂𝑗

2 2

2
 Regresión lineal múltiple: Supuestos del modelo y pruebas de significancia.
Alexander Carvajal

Donde 𝑡(𝛼,𝑣) es un valor de la distribución 𝑡 𝑠𝑡𝑢𝑑𝑒𝑛𝑡 para un nivel de confianza

2
(1 − 𝛼)100% con 𝑣 grados de libertad, donde 𝑣 = 𝑛 − 𝑝 − 1.

La interpretación del anterior intervalo indica que con un una confianza del (1 − 𝛼)100%
si la variable 𝑋𝑗 , se incrementa en una unidad permaneciendo las demás variables fijas; se
espera que la variable respuesta se incremente (o disminuya) entre el límite superior y el
límite inferior del intervalo. (Pérez Ramírez & Fernández Castaño, 2009)

Trabajos citados
Anderson, D., Sweeney, D., & Williams, T. (2008). Estadística para Administración y Economía.
México DF: CENGAGE Learning.

Pérez Ramírez, F., & Fernández Castaño, H. (2009). Econometría. Conceptos Básicos. Medellín:
ECOE Ediciones.