1.

- Ejemplos aplicando la regresión y correlación múltiple, donde todas las

variables predictoras son Cuantitativas. Uso de Statgraphics Centurión
XVI.1
 Ejemplos
Ejemplo 1:
Datos en Archivo Excel “Índice de Adsorción” en la carpeta “Bases de Datos”
En la columna “TABLAS” del panel anterior, si selecciona la ventana “resumen del Análisis”,
obtendrá un interesante y orientador resumen del Método Estadístico Multivariante a
utilizar, según el objetivo que usted persigue
En la columna “GRAFICOS” del panel anterior, si selecciona la ventana “Matriz de
Dispersión” obtendrá un interesante y orientador gráfico del comportamiento
individual de cada variables (gráfico de Cajas” y del comportamiento entre pares de
variables.
Estando desplegado el gráfico “Matriz de Dispersión”, podemos presentar las
dispersiones suavizadas presionando el botón Suavizar/Rotar de la barra de
herramientas de análisis. La gráfica siguiente usa el suavizante por defecto LOWESS
Robusto:
El procedimiento contiene opciones adicionales para transformar los datos:

Transformación Box-Cox: Son una familia de transformaciones potenciales usadas

en estadística para corregir sesgos en la distribución de errores, para corregir varianzas
desiguales (para diferentes valores de la variable predictora) y principalmente para
corregir la no linealidad en la relación (mejorar correlación entre las variables).

Cochrane-Orcutt: Es un procedimiento en econometría, que ajusta un modelo lineal

de correlación serial en el término de error.
Si en la ventana “Procedimiento Ajuste” opta por seleccionar el procedimiento
“selección paso a paso hacia atrás” (Stepwise), el software aplicará un procedimiento
automático de selección de las variables más importantes a considerar en el modelo
estadístico a ajustar a los datos. Muestra todos los pasos hasta llegar al modelo final, en
la ventana “Resumen del Análisis”

Lo cual significa que los estándares de calibración fundamentalmente dependen de la

concentración X1

Complete el análisis de el archivo de datos cuyos resultados los muestra Statgraphics

Centurión.
Este procedimiento ayuda a complementar lo que el usuario pudo haber
decidido en el punto anterior, REGRESION MÚLTIPLE, en cuanto a que modelo
utilizar. Utilizaremos los datos del ejemplo 2 anterior

17
El procedimiento Selección del Modelo de Regresión está diseñado para ayudar a elegir las
variables independientes que se usarán para construir un modelo de regresión múltiple para predecir
una única variable dependiente Y. El procedimiento considera todas las posibles regresiones que
implican diferentes combinaciones de las variables independientes.
Compara los modelos con base en la R-Cuadrada ajustada, la estadística Cp de Mallows, y el
Cuadrado Medio del Error.
Resumen del Análisis
Presenta información sobre los datos de entrada y los modelos ajustados. La sección superior de la
salida indica el número de observaciones “n” y el número de modelos ajustados.
Mejor ajuste de R-Cuadrada

Esta tabla resume los modelos ajustados, ordenados de forma descendente con respecto a
la estadística R-cuadrada ajustada.
Mejor Cp
Esta tabla muestra los modelos, ordenados de forma descendente con respecto a la
estadística Cp:
Cp: Estadística Cp de Mallows.
Si el modelo ajustado tiene poco sesgo, la Cp debiera estar cerca de “p”. Es deseable
tener un valor pequeño de Cp, siempre que no sea mucho mayor que “p” en donde “p” es
el número de coeficientes en el modelo ajustado (incluyendo la constante). Debe buscar
modelos con valores de Cp cercanos a “p”. La gráfica de Cp, disponible de la lista de
Opciones Gráficas, contiene una línea igual a p para ayudarle a seleccionar los mejores
modelos.
Mejor criterio de información
Esta tabla ordena los modelos de regresión de acuerdo al valor del criterio de
información de Akaike (AIC). El criterio de información se basa en el error cuadrático
medio residual con una penalización que crece con el crecimiento del número de
coeficientes del modelo. La meta es seleccionar un modelo con el mínimo error residual
y con tan pocos coeficientes como sea posible. El mejor modelo es el que minimiza el
criterio de información. A menudo, el mejor modelo depende del criterio de
información seleccionado, cada uno de los cuales utiliza una fórmula diferente para la
penalización
Gráfica de R-Cuadrada Ajustada
Esta gráfica muestra los modelos con los valores más altos de R-Cuadrada ajustada.
La línea conecta los modelos con los mejores valores de R-cuadrada ajustada para cada
número de coeficientes. Advierta que la mejor R-cuadrada ajustada aumenta
notablemente hasta que el número de coeficientes es igual a 3 (correspondiendo a 2
variables independientes).

Remitiéndonos a la tabla anterior, el mejor modelo con 2 podrían ser AB o AD

que tienen R2 ajustada cercano al 96%.
Estando dentro de este gráfico y pulsando el lado derecho del mouse, se despliega un
panel donde puede seleccionar “opciones de ventana” y podrá mejorar el gráfico
anterior, seleccionando en el cuadro de diálogo “etiquetar modelos”
Gráfica de R-Cuadrada Ajustada
Esta gráfica muestra los modelos con los valores más altos de R-Cuadrada ajustada.
La línea conecta los modelos con los mejores valores de R-cuadrada ajustada para cada
número de coeficientes. Advierta que la mejor R-cuadrada ajustada aumenta
notablemente hasta que el número de coeficientes es igual a 3 (correspondiendo a 2
variables independientes).

Remitiéndonos a la tabla anterior, el mejor modelo con 2 podrían ser AB o AD

que tienen R2 ajustada cercano al 96%.
Gráfica del MSE
Esta gráfica muestra los modelos con los menores valores del cuadrado medio del error.
Después de escalar el eje vertical, esta gráfica se muestra:

El MSE continúa cayendo hasta 3 coeficientes, después aumenta levemente. Pero por
el principio de Parsimonia, el modelo es mejor cuanto menos variables tiene. Vea el
grupo de a dos variables con menor MSE (AB, AD, AC)
Ajuste del Mejor Modelo
Si se juzga el modelo AD, es decir considerando las variables originales X1 y X4, como
el mejor, puede ajustarse con el procedimiento Regresión Múltiple, y hacer todo el
análisis que corresponda en esta parte.
29