Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SESIÓN Nº 15
Técnicas básicas de regresión lineal múltiple en la
toma de decisiones.
FACULTAD DE CIENCIAS EMPRESARIALES
ESCUELA ACADÉMICO PROFESIONAL DE ADMINISTRACIÓN
Técnicas básicas de regresión lineal múltiple
en la toma de decisiones
Se ha visto el tema del análisis de regresión simple:
● Área
● Antigüedad
● Número de baños
● Etc.
15-3
Para tratar este tipo de problemas se requiere expandir el análisis de regresión:
y = β0 + β1x1 + ε
15-4
Objetivos
● Explicar la construcción de modelos usando el análisis de regresión
múltiple.
y β0 β1x1 β 2 x 2 βk x k ε
Modelo de regresión múltiple muestral:
y i b 0 b1x1i b 2 x 2i b k x ki ei 15-6
Modelo de Regresión Múltiple
y β0 β1x1 β 2 x 2 βk x k ε
Modelo de regresión múltiple estimado:
ŷ b0 b1x1 b 2 x 2 bk x k 15-7
Modelo de Regresión Múltiple
y
ŷ b0 b1x1 b 2 x 2
x1
ble
ri a
va
la
a ra
te
p x2
n
ie riable x 2
end para l a v a
P di en te
Pen
Llamado hiperplano de regresión
x1
15-8
Modelo de Regresión Múltiple
(continuación)
Modelo de dos variables:
y Observación
yi
<
muestral ŷ b0 b1x1 b 2 x 2
yi
<
e = (y – y)
x2i
x2
x1i <La ecuación de mejor ajuste,
y, es hallada minimizando la
suma de cuadrados del error,
x1 e2 15-9
Modelo de Regresión Múltiple Poblacional
Supuestos:
● Los términos de error (ε) son realizaciones estadísticamente
independientes de una variable aleatoria para cada nivel de x.
15-11
Especificación del Modelo
● A veces referido como identificación del modelo
15-12
Construcción del Modelo
● Es el proceso de construir la ecuación para los datos.
15-13
Diagnóstico del Modelo
● Analizar la calidad del modelo (efectuar las pruebas de
diagnóstico).
● Evaluar el grado en que los supuestos se satisfacen.
● Si el modelo es inaceptable, iniciar el proceso de
construcción del modelo nuevamente.
● Usar el modelo más simple que satisfaga las
necesidades.
○ El objetivo es ayudar a tomar mejores decisiones .
15-14
Ejemplo
15-15
Diagramas de Dispersión
15-16
Ejemplo:Especificación del Modelo
15-17
Modelo de Regresión múltiple Poblacional:
Ejemplo: Construcción o Formulación del Modelo
15-18
Interpretación de los Coeficientes
Estimados
● Pendientes (bi)
● y-intercepto (b0)
15-20
15-
21
Matriz de Correlación
● Las correlaciones entre la variable dependiente
y las variables independientes seleccionadas
pueden obtenerse usando Excel:
○ Datos / Análisis de datos / Coeficiente de correlation
15-22
Matriz de Correlación: Ventas de
Pies
Ventas de
pies Precio Publicidad
Ventas de pies 1
Precio -0.44327 1
Publicidad 0.55632 0.03044 1
● Excel:
○ Datos / Análisis de datos / Regresión
15-24
Estimación de la Ecuación de Regresión Lineal
Multiple
(continuación
● Excel: )
15-25
Regresión Múltiple: Excel (Resultado)
15-26
Regresión Múltiple: Excel (Resultado)
(continuación)
Ecuación estimada de regresión múltiple:
Nota: La publicidad
La venta pre- está en $100’s,
decida es entonces x2 = 3.5
significa $350
428.62 pies 15-28
Coeficiente de Determinación Múltiple (R2)
● Reporta la proporción de la variación total en y
que es explicada por todas las variables (juntas) x
consideradas en el modelo
15-29
Coeficiente de Determinación Múltiple (R2)
(continuación)
SSR 29460.0
R
2
0.52148
SST 56493.3
El 52.1% de la variación en las
ventas es explicada por la va-
riación en los precios y la publi-
cidad
15-30
R2 Ajustado
● R2 nunca decrece cuando una nueva variable x
es añadida al modelo
○ Esto puede ser una desventaja cuando se
compara modelos
● ¿Cuál es el efecto neto de agregar una nueva
variable?
○ Se pierde un grado de libertad cuando una
nueva variable x es añadida
○ ¿La nueva variable x aporta suficiente poder
explicativo para compensar la pérdida de un 15-31
R2 Ajustado
● Muestra la proporción explicada de la variación en y por las
variables x’s tomando en cuenta la relación entre el tamaño de
(continuación)
muestra y el número de variables independientes
n 1
R 1 (1 R )
2
A
2
n k 1
(Donde n = Tamaño muestral, k = Número de variables independientes)
15-32
Coeficiente de Determinación Múltiple: Excel
(Resultado)
R 2A 0.44172
El 44.2% de la variación en las ventas es
explicada por la variación en los precios y
la publicidad, tomando en cuenta la
relación entre el tamaño de muestra y el
número de variables independientes
15-33