MODELO DE REGRESION

MULTIPLE

Docente: Edgar Juárez Sepúlveda

INTRODUCCION

Algunas veces se da el caso que se puede

desarrollar un modelo que se ajusta mejor si se
toma en cuenta más de una variable explicatoria
en cuyo caso estaríamos desarrollando un
modelo de Regresión múltiple.

DESARROLLO

En un análisis de correlación múltiple se pueden

tomar en consideración muchas variables
explicatorias para simplificar consideraremos
solamente dos, con estos datos podemos
construir una grafica tridimensional (diagrama de
dispersión).

1
 El modelo de regresión lineal múltiple puede
expresarse así:
Y = βo+β1Xi+β2X2i+β3X3i+…….+βpXpi+ei
En la que:
βo = Intersección con el eje Y
β1= Pendiente de Y respecto a la variable X1, manteniendo
constantes X2,X3,…..Xp
β2= Pendiente de Y respecto a la variable X2, Manteniendo
constantes X1,X3,….Xp
Βp= Pendiente de Y respecto a la variable Xp, manteniendo
constante X1,X2,…..Xp-1
ei = error aleatorio en Y correspondiente a la observación i

PLANO DE REGRESIÓN MÚLTIPLE

y
Plano de
regresión

X2

X1

Ejemplo:
Amy Green presidenta de la compañía Green Garden
quiere ver si el volumen semanal de ventas de su
empresa se relaciona con algunas variables. Primero
con una regresión simple, relaciona las ventas con el
número de anuncios semanales en televisión de la
compañía, con esto explica el 91.3% de la varianza
en las ventas a través de la relación lineal (r=0.956),
para reducir la varianza debida al error analice la
temperatura promedio semanal como otra variable los
resultados son:

2
 tabla
y x1 x2 y2 x1² x2² yx1 yx2 x1x2
125 3 41 15625 9 1681 375 5125 123
152 5 86 23104 25 7396 760 13072 430
131 4 33 17161 16 1089 524 4323 132
133 4 47 17689 16 2209 532 6251 188
142 5 64 20164 25 4096 710 9088 320
116 3 22 13456 9 484 348 2552 66
127 3 55 16129 9 3025 381 6985 165
163 6 84 26569 36 7056 978 13692 504
1089 33 32 149897 145 27036 4808 61088 1928

Las ecuaciones semanales serían:

∑y =nbo+b1∑x1+b2∑X2
∑xly=bo∑x1+b1∑x1²+b2∑X1X2
∑x2y=bo∑X2+b1∑x2+b2∑x2²

1089=8bo+b1 33+b2 432

4608=bo 33 +b1 145 +b2 1928
610880= bo 432+b1 1928+b2 27036

Resolviendo este sistema de ecuaciones de

tres incógnitas tendremos que:

bo= 86.255 b1= 8.324 y b2= 0.2877

y el modelo de regresión quedaría así:

y= 86.255+8.324X1+0.2877X2

3
Con este modelo nosotros podemos ya
precindir, por ejemplo si queremos predecir las
ventas semanales especificando que si el
número de comerciales es de 4(X1) y la
temperatura ambiental promedio de la semana
es de 70 (x2).
El pronóstico de ventas semanales es :
y= 86.255+8.324(4)+0.2877(70)
y=139.688 (miles de dólares)

¿Cómo afectaría a las ventas el número de un

comercial a la semana si la temperatura
ambiental promedio se mantuviera constante?
y= 86.255+8.324(5)+0.2877(70)
y= 148.012(miles de dólares)