Sesión 11 IM Regresión Lineal Múltiple PDF

2016- 1
Facultad de Negocios, UPC

Carrera de Administracin y Marketing
Agenda
Regresin Lineal Mltiple RLM
Aplicaciones de la RLM
Determinar los coeficientes y las medidas de bondad de ajuste
del modelo de regresin mltiple
Interpretar adecuadamente los coeficientes de regresin
estandarizado y no estandarizados.
Realizar un correcto contraste de regresin
Aplicar la RM en Investigacin de Mercados.

Hoja de Ruta Plan de IM

Fundamentos de la IM y
la Toma de Decisiones
Conceptos de IM.
Identificacin de los casos de IM.
El Problema y el Proceso
de la IM
Problema u Oportunidad de Mercado.

Problema Gerencial vs Problema de IM.
Proceso - IM (Diseo, Eleccin del Mtodo y Muestreo)
Datos Secundarios, BD y
la Inv. Cualitativa
Data Secundaria, Segmentacin y relacin con IM.

Investigacin Cualitativa Focus Group.
Entrevistas en Profundidad y Tcnicas Proyectivas.
Inv Cuantitativa de Diseo

Concluyente
Anlisis e Interpretacin
de la Informacin Resultados
Investigacin Descriptiva - Encuestas.

Errores Estadsticos y No Estadsticos
Procedimiento de Observacin/Inv. Causal Experimental
Univariado y Multivariado / Regresin Lineal.
Logstico / Factorial / Discriminante / Conglomerados.
Escalamiento multidimensional / Conjunto

Diseo de la IM
FASE I
Tipo de
Investigacin
FASE II
Proceso de
Medicin
FASE III
Diseo de
Instrumentos
Fase Exploratoria
- Inv de Fuentes Secundarias
- Inv Cualitativa
Fase Concluyente
- Inv Descriptiva
- Inv Causal
- Escala Nominal
- Escala Ordinal
- Escala de Intervalos
- Escala de Razn
- Cuestionarios
- Formatos de Observacin
- Definir Poblacin
FASE IV
Instrumentos
Recoleccin
Diseo
Datos
Muestral
- Definir Marco Muestral

- Definir Tamao de la Muestra
- Definir Mtodo de Seleccin de Muestra
- Plan de Anlisis Estadstico de datos
Aplicaciones de
la RLM

Carrera de Administracin y Marketing 5
Aplicaciones de la RLM
1. Los ingresos semanales de un padre de familia
influye en los gastos semanales que realiza?
2. Las ventas de pan estn afectadas por la
temperatura de una ciudad?
3. La cantidad de das que falta una persona a su
trabajo depende de su edad y del sueldo que
percibe?
4. El costo de un departamento est afectado por
el lugar de ubicacin, la cantidad de metros
cuadrados, cantidad de habitaciones?
5. La cantidad de horas de estudio, la cantidad de
libros, el tener o no internet; influye en el
promedio final de un estudiante de la UPC?
6. El rendimiento acadmico en Macroeconoma del
alumno es explicado por las caractersticas del
docente: Condicin acadmica, realizacin de
curso de formacin docente, condicin de
contratacin, profesin, edad?
7. Etc, etc. etc
Recordando ideas previas

Regresin lineal simple.
Los supuestos del error aleatorio.
Interpretacin del coeficiente de regresin simple.
LINKS DE INTERS
https://www.youtube.com/watch?v=z9J6YN3pBA8
http://biblioteca.universia.net/html_bura/ficha/params/id/37789697.html
http://www.ugr.es/~bioestad/_private/cpfund5.pdf

Modelo de Regresin Mltiple

PREGUNTAS
1. Cmo es el modelo de regresin mltiple?
2. Cul es la finalidad de este tema
trascendental?
3. Cmo se estima los parmetros?
4. Cmo se interpreta los coeficientes?
5. Cmo saber si el modelo es adecuado o
no a los datos de la muestra?

Modelo de
Regresin Lineal
Mltiple

Fundamento Terico
MODELO ESTADSTICO DE REGRESIN MLTIPLE
Donde:
Son los parmetros.
Las variables independientes.
Trmino del error que es una variable aleatoria.
Nmero de variables independientes.
Supuestos del Error Aleatorio

1. El vector de perturbaciones aleatorias tiene una distribucin
normal con media cero y varianza constante.
Es decir:
i N (0, i )
2. Las perturbaciones aleatorias con distintos subndices son

E ( i j ) = 0
independientes entre s.
4. Las variables independientes tienen correlaciones nulas.
Los mismos supuestos se da para la variable aleatoria y, ya que sta
depende de .
11
Cmo calcular los coeficientes de

regresin??
ECUACIN DE REGRESIN MLTIPLE
En la gran mayora de casos reales, los valores de los

parmetros generalmente no se conocen; en este caso
estos tendran que estimarse a partir de datos muestrales.
Usamos
que actan como
estimadores puntuales de los parmetros.
ECUACIN DE REGRESIN MLTIPLE ESTIMADA
Donde:
son los valores estimados de la variable dependiente
son los estimadores de
Para estimar los parmetros utilizaremos el paquete estadstico SPSS,

donde aplica el mtodo de Mnimos Cuadrados.

Ejemplo de Aplicacin
La empresa Buenosaires se dedica a la fabricacin y venta de abanicos,
habiendo obtenido en los ltimos aos unos resultados econmicos
relativamente aceptables. Los directivos de la empresa consideran que
los resultados habran sido muchos mejores si el absentismo laboral en la
empresa no fuera tan elevado.
Este absentismo tiene una incidencia negativa que se refleja en los costes
de personal y en desajustes en las operaciones de fabricacin y
distribucin.
Por las razones expuestas, la direccin de la empresa tiene gran inters
en conocer cules pueden ser los factores ms relevantes del absentismo
laboral que sufre la empresa.
Se nos encarga el estudio, y para ello el jefe de personal facilita
informacin acerca de los das que en el ltimo ao han faltado al trabajo
cada uno de los empleados de planilla (excluidos los directivos). Esta
informacin aparece en el siguiente cuadro.
14
Nmero
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
ABSEN
10
13
2
0
9
4
2
2
10
9
0
9
6
6
7
5
0
0
1
8
11
0
2
7
6
8
8
8
6
6
3
5
6
5
0
0
2
0
11
6
5
6
0
0
0
2
0
0
Taller
1
1
0
0
0
0
1
1
1
1
1
1
0
1
1
1
0
1
1
1
1
0
1
1
0
1
1
1
1
1
1
0
1
1
0
1
0
1
1
1
1
1
1
0
1
1
1
1
Sexo
1
0
0
1
1
0
1
0
1
1
1
1
0
0
1
0
1
1
0
1
0
0
0
0
0
0
1
1
0
0
1
1
1
0
1
0
0
1
1
0
1
0
1
1
1
1
1
1
Edad
32
18
53
37
19
44
17
65
23
27
62
26
36
28
34
28
59
53
27
32
20
54
40
22
23
39
27
24
22
25
34
25
33
21
45
43
51
48
23
57
29
38
44
33
56
58
58
37
Antigedad
8
0
15
16
0
20
0
25
3
7
40
2
8
8
12
9
40
29
8
10
0
13
10
2
3
10
5
3
4
5
13
5
13
1
23
20
13
25
0
10
8
3
20
10
25
28
28
10
Salario
90
75
148
178
103
100
130
123
110
120
180
136
102
139
153
118
181
194
118
139
72
185
184
131
106
82
143
144
152
118
193
170
193
174
284
125
116
222
119
86
213
156
231
241
231
134
165
229

SOLUCIN
Identificamos las variables de inters:
Y = ABSEN
Variable dependiente
X1 = Edad
X2 = Antigedad
X3 = Salario mensual
Variables independientes
La ecuacin de regresin mltiple estimada:
y =b0 + b1 x1 + b2 x2 + b3 x3
Clculo de las
Estimaciones de
los Parmetros

Carrera de Administracin y Marketing17
Y cmo calculamos las

estimaciones de los parmetros?
Haciendo el uso del paquete IBM SPSS V20
Los procedimientos son:
1. Una vez obtenido los datos, clic en las opciones siguientes:
ANALIZAR, REGRESIN, LINEALES.
2. Luego se inserta la variable dependiente y las independientes a
su casillero respectivo y aceptar.

Recordando ideas previas

EL RESUMEN DE LAS SALIDAS

Se obtiene los siguientes valores para las estimaciones de los
parmetros (coeficientes) con sus respectivas pruebas de
significancia.
La hiptesis nula es que los coeficientes son nulos.
Nombre
bi
No
Estandarizados Sig.
estandarizados
Constante del modelo
b0
14,413
,000
Coeficiente de la variable edad
b1
-,096
-,345
,051
Coeficiente de la variable antigedad
b2
-,078
-,210
,255
Coeficiente de la variable salario
b3
-,036
-,466
,000

El modelo estimado quedara as:
y =14, 413 0, 096 x1 0, 078 x2 0, 036 x3
INTERPRETACIONES
bi : Representa la estimacin del cambio en y debido a un
cambio en una unidad de xi, mientras todas las dems variables
permanecen constantes.

Para el ejemplo de aplicacin que estamos desarrollando
y =14, 413 0, 096 x1 0, 078 x2 0, 036 x3

b1 = 0, 096es la estimacin del aumento esperado en la cantidad
das de absentismo por cada ao ms de edad que tiene el
empleado, cuando las dems variables permanecen constante.
b2 = 0, 078
Vemos que no es significativo, por tanto prescindimos de su
interpretacin.
b3 = 0, 036
COMPLETA USTED

Coeficientes de Regresin
Estandarizada
Es aplicable cuando las variables en una RLM tienen distintas
unidades de medicin y queremos saber que variable tiene
mayor influencia para la prediccin. En este caso:
ESTIMACIN ESTANDARIZADA DEL MODELO DE REGRESIN
Z y =
0,345Z x1 0, 21Z x2
0,466Z
x3
jES = j
Sxj
SY
Observamos que la mayor contribucin a la prediccin de los

valores de y no es la variable edad, sino el salario que percibe
el trabajador.
Bondad de ajuste del modelo a los

datos de la muestra
El ms utilizado es el coeficiente de determinacin. En el SPSS
sale como R cuadrado.
PRUEBA DE BONDAD DE AJUSTE
R
,833
R cuadrado
,694
R cuadrado
corregida
,673
Por tanto: El 69,4% de la variabilidad del nmero de das de

absentismo y, se explica por la intervencin de las 3 variables
independientes en forma conjunta.
Recordando los conceptos

aprendidos en clase
Coeficientes del modelo estimado
Variables independientes y solo una
dependiente
Parmetros
Estimaciones y pruebas de significancia
Bondad de ajuste
Coeficiente que mejor explica a la variable
respuesta

Sea la tabla de datos y tenemos los siguientes resultados que se obtienen con la
ayuda del SPSS de un modelo de regresin mltiple. Contesta de manera rpida.
Representante
Copiadoras
vendidas (Y)
Llamadas
Aos de
realizadas (X1) experiencia (X2)
15
20
18
15
22
12
30
16
17
Modelo
(Constante)
X1
X2
Coeficientes no
estandarizados
B
Error tp.
-1,675
,664
,178
,058
1,661
,284
PRUEBA DE BONDAD DE AJUSTE

R
R cuadrado
,989
Coeficientes
tipificados
Beta
t
-2,522
,353 3,042
,679 5,853
,978
Sig.
,053
,029
,002

1. Qu variable tiene mayor influencia sobre el nmero de copiadores
vendidas por da?
Respuesta: _________
2. Cul es la interpretacin de b2?

Respuesta: _________...
3. Cul es la interpretacin de R cuadrado?
Respuesta: _________...
4. Todos los coeficientes del modelo de regresin son significativos?
Utiliza = 0,05
Respuesta: SI _________ NO _________

Ejemplo de Aplicacin - Sears

Sears Data 17 contiene las evaluaciones de Sears con respecto a los ocho factores de
los criterios de eleccin (calidad, variedad, y surtido, polticas de devolucin, servicio
del personal de la tienda, y polticas de crdito y de facturacin, la preferencia por
Sears, la importancia asignada a los ocho factores delos criterios de eleccin, y el
nivel de acuerdo a las 21 afirmaciones sobre el estilo de vida.
Calcular las correlaciones entre las evaluacin de Sears en los ocho factores de los
criterios de eleccin y la preferencia por esta tienda.
Realizar una regresin mltiple, con la preferencia por Sears como variable
dependiente y los factores como variables independientes. Interprete los resultados.




SPSS para Windows - Correlaciones

1.Seleccione ANALYZE de la barra del men de SPSS.
2.Haga clic en CORRELATE y luego en BIVARIATE.
3.Traslade Attitude[actitud] al recuadro VARIABLES.
Luego traslade Duration[tiempo de r.] al recuadro de

VARIABLES.
4.Seleccione la casilla PEARSON en CORRELATION
COEFFICIENTS.
5.Seleccione la casilla ONE-TAILED en TEST OF
SIGNIFICANCE.
6.Seleccione FLAG SIGNIFICANT CORRELATIONS.

7.Haga clic en OK.

SPSS para Windows Regresin

Bivariada
1.Seleccione ANALYZE de la barra del men de SPSS.
2.Haga clic en REGRESSION y luego en LINEAR.
3.Traslade Attitude[actitud] al recuadro DEPENDENT.
4.Traslade Duration[tiempo de r.] al recuadro
INDEPENDENT(S).
5.Seleccione ENTER del recuadro METHOD.

6.Haga clic en STATISTICS y seleccione la casilla
ESTIMATES en REGRESSION COEFFICIENTS.

7.Seleccione la casilla MODEL FIT.
8.Haga clic en CONTINUE.
9.Haga clic en OK.

Conclusiones

Conclusiones
El modelo de regresin lineal mltiple nos
permite encontrar el efecto combinado de dos
o ms variables explicativas sobre una variable
que es explicada.
Si un estudiante o investigador quiere estudiar
efectos de variables sobre otra, entonces la
regresin lineal
mltiple es una de las
opciones ms poderosas para tal fin.

Bibliografa

Bibliografa
Investigacin de Mercados
Malhotra, Naresh K.
Pearson Education, 5ta edicin, Mxico DF 2008
NARESH K. MALHOTRA

Bibliografa
Kinnear, Thomas.
MacDaniel, Carl D.
Thomson, 5ta edicin, Mxico DF 2005 Mc GrawHill, 5ta edicin, Bogot DF
2000
MCDANIEL CARL D.
KINNEAR THOMAS

Gracias


Sesión 11 IM Regresión Lineal Múltiple PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Sesión 11 IM Regresión Lineal Múltiple PDF

Загружено:

Авторское право:

Доступные форматы

2016- 1

Facultad de Negocios, UPC

Facultad de Negocios, UPC

Hoja de Ruta Plan de IM

Problema u Oportunidad de Mercado.

Data Secundaria, Segmentacin y relacin con IM.

Inv Cuantitativa de Diseo

Investigacin Descriptiva - Encuestas.

Facultad de Negocios, UPC

- Definir Marco Muestral

Facultad de Negocios, UPC

Recordando ideas previas

Facultad de Negocios, UPC

Modelo de Regresin Mltiple

Facultad de Negocios, UPC

Facultad de Negocios, UPC

Supuestos del Error Aleatorio

2. Las perturbaciones aleatorias con distintos subndices son

Cmo calcular los coeficientes de

En la gran mayora de casos reales, los valores de los

ECUACIN DE REGRESIN MLTIPLE ESTIMADA

son los estimadores de

Para estimar los parmetros utilizaremos el paquete estadstico SPSS,

Facultad de Negocios, UPC

Facultad de Negocios, UPC

La ecuacin de regresin mltiple estimada:

Facultad de Negocios, UPC

Y cmo calculamos las

Facultad de Negocios, UPC

Recordando ideas previas

Facultad de Negocios, UPC

EL RESUMEN DE LAS SALIDAS

Constante del modelo

Coeficiente de la variable edad

Coeficiente de la variable antigedad

Coeficiente de la variable salario

Facultad de Negocios, UPC

El modelo estimado quedara as:

y =14, 413 0, 096 x1 0, 078 x2 0, 036 x3

Facultad de Negocios, UPC

Para el ejemplo de aplicacin que estamos desarrollando

y =14, 413 0, 096 x1 0, 078 x2 0, 036 x3

Facultad de Negocios, UPC

Observamos que la mayor contribucin a la prediccin de los

Bondad de ajuste del modelo a los

Por tanto: El 69,4% de la variabilidad del nmero de das de

Recordando los conceptos

Facultad de Negocios, UPC

PRUEBA DE BONDAD DE AJUSTE

Facultad de Negocios, UPC

2. Cul es la interpretacin de b2?

Facultad de Negocios, UPC

Ejemplo de Aplicacin - Sears

Facultad de Negocios, UPC

Ejemplo de Aplicacin - Sears

Facultad de Negocios, UPC

Ejemplo de Aplicacin - Sears

Facultad de Negocios, UPC

Ejemplo de Aplicacin - Sears

Facultad de Negocios, UPC

SPSS para Windows - Correlaciones

Luego traslade Duration[tiempo de r.] al recuadro de

4.Seleccione la casilla PEARSON en CORRELATION