ANTONIO ESCUDERO A.

Matemático - Estadístico

ANÁLISIS MULTIVARIADO
REGRESIÓN LINEAL SIMPLE ( 2020 )
 REGRESIÓN LINEAL SIMPLE
Es el método matemático que estima a través del
COEFICIENTE DE CORRELACIÓN (r), el grado de
ASOCIACIÓN LINEAL (no necesariamente CAUSAL)
entre una Variable Aleatoria Yi (Dependiente), con
respecto a otra Variable Aleatoria Predictora: Xi
(Independiente). Por ejemplo:
1. Ventas (Yi) v.s. Índice inflacionario (Xi).
2. Índice de Construcción (Yi) v.s., Tasa de Interés (Xi).
3. Ventas (Yi) v.s. Publicidad (Xi)
4. Consumo (Yi) v.s. P.B.N. (Xi), etc.
 DIAGRAMA DE DISPERSIÓN Y COEFICIENTES DEL
MODELO DE REGRESIÓN LINEAL SIMPLE POR MINIMOS
CUADRADOS (MICUA)

yˆ i = Aˆ + Bˆ xi

 i = yi − yˆi
  
n 2

(1)  2i = ( yi − yˆi )
2
 SCE =  yi − Aˆ − Bˆ xi
i −1

SCE
 
n
(2) = −2 yi − Aˆ − Bˆ xi = 0
A i −1

SCE
 
n
(3) = −2 yi − Aˆ − Bˆ xi xi = 0
B i −1

 n 
  xi ( yi )
 i =1 
n

 x y
i i − : SCxy
(4) La solución del S.E.N es : Bˆ = i −1 n
2
 n

  i 
 x
 i =1 
n


i −1
xi
2
−
n
: SCx

SCxy
o sea : Bˆ = ; Aˆ = Y − Bˆ X
SCx
 R: COEFICIENTE DE CORRELACIÓN LINEAL SIMPLE
Es un estimador del grado de Asociación Lineal de
2 Variables Aleatorias, como indica la siguiente
tabla:
0.9 ≤ r ≤ 1 : Optima Asociación Lineal
0.8 ≤ r < 0.9 : Buena Asociación Lineal
0.6 ≤ r < 0.8 : Regular Asociación Lineal
r < 0.6 : Débil Asociación Lineal
SCxy
r=
Y ( SCx )( SCy )

NOTA: Esta tabla también es valida para r < 0 (negativos)

solamente que será Inversa la Asociación Lineal
 r0 y − 1  r  −0.9 r bajo  Ausencia de
 Optima Asociación Asociación Lineal
Lineal Inversa

r = 0.94 : REGULAR.
Asociación Lineal Directa
 r = - 0.89: BUENA r = 0 AUSENCIA
Asociación Lineal Inversa de Asociación Lineal
EJEMPLO DE REGRESIÓN LINEAL SIMPLE

 En la siguiente tabla : Representa la tasa de

Interés porcentual mensual, mientras que : es
la tasa porcentual mensual de crecimiento en
la construcción en la ciudad de Cali:
5 3 6 3 4 4 6 8
13 15 7 12 13 11 9 3

i) Haga el diagrama de dispersión. Que tendencia

Ud. visualiza en la gráfica?
ii) Hallé el coeficiente de correlación lineal o de
pearson y el de Determinación?
Interprételos. Que concluye al respecto?
iii) En caso afirmativo, halle los coeficientes del
Modelo Regresión Lineal ( Aˆ , Bˆ ) e interprételo.
Pronostique la tasa porcentual mensual del
crecimiento en la construcción si la tasa de
interés mensual fueron 2% y 7%.
iv) Utilizando calculadora y el paquete SPSS
estime los coeficientes del modelo de
Regresión Lineal Simple (MRLS).
DESARROLLO

18%
15%
12%
9%
6%
3%

1% 2% 3% 4% 5% 6% 7% 8%

TABLA DE CÁLCULOS suma

xi 5 3 6 3 4 4 6 8 39
yi 13 15 7 12 13 11 9 3 83
xi yi 65 45 42 36 52 44 54 24 362
xi2 25 9 36 9 16 16 36 64 211
yi2 169 225 49 144 169 121 81 9 967
SCxy =  xi yi −  xi  yi n = 362 − (39)(83) 8 = −42,625
SCx =  x − i
2 (  xi )2
n = 211 −  
(39 )2
8 = 20,875
SCy =  y − (  yi )2
= 967 − ( )  = 105,875
2 2
83
i n 8

x=  x 39
= = 4,875; y =
i  yi 83
= = 10,375
n 8 n 8

SCxy − 42,625
r= = = −091
SCx  SCy (20,875)(105,875)
R/ Por estar el valor de r entre -0.9 y -1.0 es
optima la correlación lineal e inversamente
proporcional.
El coeficiente de determinación viene dado
por r 2 = 0,83.

R/ el 83% de las valoraciones de la tasa de

crecimiento mensual es explicado por el
modelo de Regresión Lineal Simple en función
de la tasa de Interés Mensual.
 ˆ SCxy − 42,625
iii) B = = = −2,04
SCx 20,875
R/ Por cada unidad porcentual que crezca la
tasa de interés mensual decrece en un 2,04%
la tasa de construcción mensual un Cali.
Aˆ = Y − Bˆ X = 10,375 − (− 2,04  4,875) =
Aˆ = Y − Bˆ X = 10,375 + 2,04  4,875 = 20,3
R/ En caso de que la tasa de interés mensual
decrezca a cero (0%), tasa de crecimiento de
la construcción será igual a un 20,3%.
Luego el Modelo de Regresión Lineal Simple que
pronostica la tasa de construcción mensual en
función de la tasa de interés mensual en Cali
viene dada por:
yi = 20,3 − 2,04 xi + ei
Luego pronostiquemos las tasas de construcción
mensual para tasas de interés del 2% y 7%
serán:
y(2) = 20,3 − 2,04 * (2) = 16,2%
y(7) = 20,3 − 2,04 * (7) = 6%
Las cuales al ser graficadas sobre el diagrama de
dispersión anterior quedaría:

18% yi = 20,3 − 2,04 xi + ei

15%
12%
9%
6%
3%

1% 2% 3% 4% 5% 6% 7% 8%

Se darán las pautas para estimar los coeficientes

del MRLS mediante calculadora y también utilizando
el programa SPSS.
PASOS EN SPSS PARA LA REGRESIÓN LINEAL
SIMPLE
P1: Crear archivo
P2: Graficar – Dialogos antiguos y nuevos.
P3: Analizar – Regresión Lineal.
P4: V. Dependiente: yi : Ventas
V. Independiente: xi : Publicidad
P5: Método: “Stepwise: Paso a Paso”
P6: Estadísticos: Intervalos de Confianza NC: 95%
P7: Gráficos: Dependiente (yi)
Z Pronostica (xi)
P8: Opciones: Usar valor de F entrada 3.84 salida 2.71
P9: Aceptar