REGRESION LINEAL MULTIPLE

Posible relacion
1. VARIABLE DEPENDIENTE Y CON VARIAS VARIABLES INDEPENDIENTES X
  1. Anotacion Matematica
    1. Y = a + b 1x1 b 2x2 ......b nxn + e
      1. Donde
        Y : VARIABLE A PREDECIR
        a, b1x1, b2x2...bnxn : PARAMETROS DESCONOCIDOS A ESTIMAR
        e :ERROR QUE SE COMETE EN LA PREDICCION DE LOS PARAMETROS
Se encuentran
1. PRINCIPALES ELEMENTOS
  1. Estos son
    1. COEFICIENTE RELACION MULTIPLE R
      1. Mide
        LA INTENSIDAD DE RELACION ENTRE CONJUNTO VARIABLES X E Y
      2. Puede darse la
        MULTICOLINEALIDAD
        Es que
        DIFERENTES VARIABLES EXPLIQUEN LO MISMO DE LA VARIABLE INDEPENDIENTE
    2. COEFICIENTE DE DETERMINACION
      1. Mide
        LA PROPORCION DE LA VARIABILIDAD DE LA VARIABLE X EXPLICADA POR LA VARIABLE Y ADMITIDAS EN EL MODELO
    3. COEFICIENTE DE DETERMINACION AJUSTADO
      1. Mide
        LO MISMO QUE R2 PERO SIN INFLUENCIA # VARIABLES QUE INTRODUCIDAS
    4. ERROR TIPICO PREDICCION
      1. Indica
        PARTE DE LA VARIABLE DEPENDIENTE QUE SE DEJA DE EXPLICAR
    5. ANALISIS VARIANZA
      1. Valora
        HASTA QUE PUNTO ES ADECUADO MODELO PARA ESTIMAR LOS VLRES VARIABLE Y
    6. ANALISIS RESIDUALES ¨e¨
      1. Son
        ESTIMACION VERDADEROS ERRORES
Usos
1. APLICACIONES
  1. En la
    1. IDENTIFICACION VARIABLES EXPLICATIVAS
      1. Nos ayuda
        CREAR UN MODELO
        SELECCIONAR LAS VARIALES QUE INFLUYEN
        DESCARTAR POCA INFORMACION
    2. DETECCION INTERACCIONES
      1. Entre
        VARIABLE INDEPENDIENTE QUE AFECTE LA VARIABLE RESPUESTA
    3. IDENTIFICACION VARIABLES CONFUSORAS
      1. Aun que
        DIFICIL, DE INTERES EN INVESTIGACION NO EXPERIMENTAL
Existe
1. REQUISITOS Y LIMITACIONES
  1. Esta
    1. LINEALIDAD
      1. Esta
        SI LA RESPUESTA NO APARENTA SER LINEAL
        SE INTRODUCE EN EL MODELO COMPONENTES NO LINEALES
    2. NORMALIDAD Y EQUIDISTRIBUCION DE LOS RESIDUOS
      1. la validez del modelo
        DISTRUCION NORMAL
        MISMA DISPERSION PARA CADA COMBINACION DE VALORES DE LA VARIABLE X
    3. COLINEALIDAD
      1. Es cuando
        DOS VARIABLES X ESTAN ESTRECHAMENTE REALCIONADAS
    4. OBSERVACIONES ANOMALAS
      1. Se debe
        IDENTIFICARLAS Y DESCARTARLAS
      2. Tiene
        GRAN INFLUENCIA RESULTADO
    5. NUMERO DE VARIABLES INDEPENDIENTES
      1. Incluir
        MINIMO 20 OBSERVACIONES POR CADA VARIABLE X

Next up

REGRESION LINEAL MULTIPLE

Description

Resource summary

Similar

	Created by Rodrigo Cleiber Garcia Ortiz over 6 years ago