REGRESIÓN Y

CORRELACIÓN
MULTIPLES.
 REGRESIÓN MÚLTIPLE
Trata de ajustar modelos lineales o linealizables
entre una variable dependiente y más de una
variables independientes.
En este tipo de modelos es importante testar la
heterocedasticidad, la multicolinealidad y la
especificación
¿CUÁNDO USATILIZ REGRESION MÚLTIPLE?

Utilizamos regresión múltiple cuando
estudiamos la posible relación entre varias
variables independientes (predictoras o
explicativas) y otra variable dependiente
(criterio, explicada, respuesta).
CORRELACIÓN MÚLTIPLE
La Correlación es una técnica estadística usada
para determinar la relación entre dos o más
variables. La relación entre la duración de una
carrera de distancia y el test del escalón, o la
relación entre las características de la
personalidad y la participación en deportes de
alto riesgo. La correlación puede ser de al
menos dos variables o de una variable
dependiente y dos o más variables
independientes, denominada correlación
múltiple.
OBJETIVOS Y CONSIDERACIONES ACERCA DE
LA REGRESIÓN Y CORRELACIÓN MÚLTIPLES.
La regresión y la correlación son dos técnicas estrechamente
relacionadas y comprenden una forma de estimación.En forma
más especifica el análisis de correlación y regresión comprende el
análisis de los datos muestrales para saber qué es y cómo se
relacionan entre si dos o mas variables en una población. El
análisis de correlación produce un número que resume el grado
de la correlación entre dos variables; y el análisis de regresión da
lugar a una ecuación matemática que describe dicha relación.
El análisis de correlación generalmente resulta útil para un
trabajo de exploración cuando un investigador o analista trata de
determinar que variables son potenciales importantes, el interés
radica básicamente en la fuerza de la relación. La correlación
mide la fuerza de una entre variables; la regresión da lugar a una
ecuación que describe dicha relación en términos matemáticos
Los datos necesarios para análisis de regresión y correlación
provienen de observaciones de variables relacionadas.
ANÁLISIS DE REGRESIÓN
MÚLTIPLE.
La regresión lineal múltiple es una técnica
estadística que se encarga de analizar
situaciones que involucran más de una variable.
Donde Y es una variable dependiente, β
representa sus estimadores y la ε representa el
residuo o error.
La regresión lineal múltiple trata de ajustar
modelos lineales o linealizables entre una
variable dependiente y más de una variables
independientes. En este tipo de modelos es
importante testar la heterocedasticidad, la
multicolinealidad y la especificación.
ERROR ESTÁNDAR MÚLTIPLE DE
LA ESTIMACIÓN.
El error estándar múltiple de la estimación es
la medida de la eficiencia de la ecuación de
regresión. Está medida en las mismas unidades
que la variable dependiente. Es difícil
determinar cuál es un valor grande y cuál es
uno pequeño para el error estándar.
ANÁLISIS DE CORRELACIÓN
MÚLTIPLE.
Como se ha visto anteriormente, el coeficiente de
correlación simple está basado en la suposición de
la aproximación a la distribución normal
bivariante. Si se tiene más de dos variables, el
modelo básico para la correlación múltiple, sería
una ampliación de esta distribución, denominada
distribución normal multivariante. Si hay tres
variables, habrá tres correlaciones simples entre
ellas, ρ12, ρ13 y ρ23. Estos coeficientes miden la
relación lineal que existen entre estas variables,
dos a dos, sin tener en cuenta la posible
influencia de la tercera.
COEFICIENTES DE CORRELACIÓN DE
DETERMINACIÓN Y DE NO DETERMINACIÓN
MÚLTIPLE.
El coeficiente de determinación es la proporción de
la varianza total de la variable explicada por la
regresión. El coeficiente de determinación, también
llamado R cuadrado, refleja la bondad del ajuste de
un modelo a la variable que pretender explicar.
Es importante saber que el resultado del coeficiente
de determinación oscila entre 0 y 1. Cuanto más
cerca de 1 se sitúe su valor, mayor será el ajuste
del modelo a la variable que estamos intentando
explicar. De forma inversa, cuanto más cerca de
cero, menos ajustado estará el modelo y, por tanto,
menos fiable será.
DETERMINACIÓN DE LA VALIDEZ O NO VALIDEZ
DEL MODELO DE REGRESIÓN MÚLTIPLE.
En estadística, la validación de regresión es el
proceso de decidir si los resultados numéricos
cuantifican relaciones de hipótesis entre
variables obtenidos de análisis de la regresión .
El proceso de validación puede implicar
analizar la bondad de ajuste de la regresión
analizando si los residuos de regresión son
aleatorios y comprobamos si el rendimiento del
modelo se deteriora cuando fueron aplicando a
datos que no fue utilizado en la valoración de
modelo.