Documentos de Académico
Documentos de Profesional
Documentos de Cultura
La correlación no es causalidad
y = βo + β1X + ε
Y = variable dependiente
X = variable independiente
ε = componente del error aleatorio
βo= (Beta cero) ordenada al origen de la línea, es decir, el
punto en el que la línea intercepta o corta el eje y
β1= (Beta 1) pendiente de la línea, es decir magnitud del
incremento (o decremento) del componente
deterministico de y por cada unidad de incremento en x
Coeficientes del modelo
_ _
∑ (xi-x)(yi-y)
β1= -----------------
_
∑ (xi-x)2
_ _
βo= y - β1x
Coeficiente de Determinación
SSR
R2 = ---------
SST
^ _
SSR = ∑ (yi – y)2 Suma de cuadrados debido regresión
^
SSE = ∑ (yi – y)2 Suma de cuadrados debido al error
(n – 1)
R2A = 1 - --------- * (1 - R2) p: # de parámetros
(n – p)
Análisis de Varianza (ANOVA) para R.L.S
En el análisis de varianza se deducen varios resultados que determinarán
que tan bueno es el modelo de regresión encontrado con los datos.
Prueba de Hipótesis: Ho: β1 = 0 Ha: β1 ≠ 0
Promedio
Fuente de Grados de Suma de de los Valor P = Valor Variación
explicada por
Variación Libertad Cuadradros cuadrados F crítico de F
la regresión
2
Regresión 1 SSR SSR / 1 f = SSR / S P(F< f )
Variación No
Error (residuo) n-2 SSE SSE / (n-2) explicada por
la regresión
Total n-1 SST
Variación
Total
^ _
SSR = ∑ (yi – y)2 Suma de cuadrados debido regresión
^
SSE = ∑ (yi – y)2 Suma de cuadrados debido al error
Valor P = Variación
Fuente de Grados de Suma de Promedio de los Valor
explicada por
Variación Libertad Cuadradros cuadrados F crítico de F
la regresión
Regresión k SSR MSR=SSR / k F = MSR / MSE P(F< f )
Variación
Total
^ _
SSR = ∑ (yi – y)2 Suma de cuadrados debido regresión
^
SSE = ∑ (yi – y)2 Suma de cuadrados debido al error