Documentos de Académico
Documentos de Profesional
Documentos de Cultura
25 Estadística II - 3.2. Evaluación de Una Ecuación de Regresión Múltiple SCORM
25 Estadística II - 3.2. Evaluación de Una Ecuación de Regresión Múltiple SCORM
La tabla ANOVA
( ∑ yi )
∑ yi - n
2
Al igual que en las pruebas de hipótesis, Donde la SSR (suma de cuadrados para
donde se pudo probar H 0 :β = 0 regresión) mide la cantidad de variación
utilizando la prueba t o en su defecto explicada usando la ecuación de
la prueba F equivalente, en la regresión regresión; y la SSE (suma de cuadrados
múltiple tenemos que encontrar una para error) mide la variación residual
manera de comparar si el modelo de en los datos que no está explicada por
regresión está bien ajustado, en este las variables independientes.
caso existe más de una pendiente
parcial, que son los coeficientes de Los grados de libertad para estas
regresión parcial, por tanto las pruebas sumas son:
t y F ya no son equivalentes.
• (n-1)-k grados libertad para el
error.
• k grados de libertad de regresión.
1/7
1. Si aplicamos la prueba ANOVA, en los datos del ejemplo anterior utilizando
MINITAB podemos observar que tenemos 15 observaciones (n=15) y además 4
variables independientes y 14 grados de libertad, donde 4 son para la regresión
y 10 para el error.
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
8,85130 95,22% 93,30% 89,98%
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Total 14 16382,2
2/7
2. De la tabla anterior:
El primer renglón encontramos a s = √s2 =8,85
La descomposición de SSR es el valor 15598,7
√∑ (Y- Ŷ)2
se = n-k-1
Donde:
El denominador n-k-1 indica los grados de libertad del error estándar. Por la forma
de calcular se en algunos casos es llamado raíz del error cuadrático medio o raíz de
mse (por su siglas en inglés de mean-square error).
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
8,85130 95,22% 93,30% 89,98%
3/7
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,976
Coeficiente de determinación R^2 0,952
R^2 ajustado 0,933
Error típico 8,851
Observaciones 15
Una pregunta que siempre surge al momento de ajustar los modelos de regresión
es, ¿qué también se ha realizado el ajuste del modelo?, para contestar esta pregunta
hacemos uso del coeficiente de determinación, R2, este estadístico nos determina
la fuerza del modelo, en otra palabras, la proporción de la variación total, este
coeficiente está definido de la siguiente manera:
SSR
R =
2
SS total
4/7
Resumen del modelo
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
8,85130 95,22% 93,30% 89,98%
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,976
Coeficiente de determinación R^2 0,952
R^2 ajustado 0,933
Error típico 8,851
Observaciones 15
5/7
Para los datos del ejemplo del precio de condominios, se tendría:
(
R2 (adj) = 1- 78,35
16382,2 )100%
14
= ( 1- 1-78,35
1170,15 ) 100
= (1-0,06695)100
= (0,9330)100
=93,3%
R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
8,85130 95,22% 93,30% 89,98%
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,976
Coeficiente de determinación R^2 0,952
R^2 ajustado 0,933
Error típico 8,851
Observaciones 15
6/7
Este valor, es el porcentaje de variación en la respuesta y explicada por las variables
independientes. El valor R 2 ajustado toma utilidad sobre todo para comparar
modelos de regresión, los cuales tienen números diferentes de variables predictoras
independientes.
7/7