Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Regresión Múltiple Interpretaciones
Regresión Múltiple Interpretaciones
El error
estándar del coeficiente mide la precisión con la que el modelo estima el valor
desconocido del coeficiente. El error estándar del coeficiente siempre es positivo.
Utilice el error estándar del coeficiente para medir la precisión de la estimación del
coeficiente. Cuanto menor sea el error estándar, más precisa será la estimación.
Dependerá de las unidades de la variable dependiente y de la experiencia en la
interpretación.
Primero, las unidades son las mismas que en la variable dependiente, por lo cual el error
estándar es en dólares ($51.05).
Segundo, se espera que los residuos sean aproximados a una distribución más o menos
normal, por lo que alrededor de 68% de ellos estará dentro de ±$51.05 y cerca de 95%
dentro de ±$2(51.05) = ± $102.1 y así cerca del 99% está dentro ±$3(51.05) =±$153.15
Podemos medir aún con más precisión el porcentaje de observaciones que caen dentro de
un rango
Específico de una curva simétrica con forma de campana, como la mostrada en la figura en
estos casos podemos decir:
Residuo
50 0
10 -50
1 -100
-100 -50 0 50 100 0 100 200 300 400
Residuo Valor ajustado
Histograma
Los puntos deben estar cerca de la linea de 45°, o con la prueba devs. orden Darlin realizar la
Anderson
prueba
4 de hipótesis de normalidad. 100
3 50
Frecuencia
ad normal 1
vs. ajustes -50
100
N 20
0 -100
AD 0.175 -80 -40 0 40 80 2 4 6 8 10 12 14 16 18 20
Valor p 0.912 50
Residuo Orden de observación
Residuo
-50
-100
0 100 0 100 200 300 400
Valor ajustado
50
Residuo
-50
-100
40 80 2 4 6 8 10 12 14 16 18 20
uo Orden de observación
as de residuos para Costo calefacción
d normal vs. ajustes
100
N 20
AD 0.175
Valor p 0.912 50
Residuo
-50
3 Prueba
-100 de independencia
0 100 0 100 200 300 400
Valor ajustado
50
Residuo
-50
-100
40 80 2 4 6 8 10 12 14 16 18 20
uo Orden de observación
La prueba de independencia de los datos puede revisarse con la gráfica de orden de las
observaciones, la cual no debe tener ningún patrón observable para cumplir con la
prueba.
https://support.minitab.com/es-mx/minitab/21/help-and-how-to/statistical-modeling/
regression/how-to/fit-regression-model/interpret-the-results/all-statistics-and-graphs/
residual-plots/#residuals-versus-fits