Академический Документы
Профессиональный Документы
Культура Документы
Introducción. –
adicionales. Estas variables independientes están denotadas por (𝑋1 , 𝑋2 , … , 𝑋𝑛 ), las mismas que
Se puede mencionar que el análisis de regresión múltiple sirve como técnica descriptiva o como
técnica de inferencia.
̂ = 𝒂 + 𝒃𝟏 𝑿𝟏 + 𝒃𝟐 𝑿𝟐 +𝒃𝟑 𝑿𝟑 +. . . +𝒃𝒌 𝑿𝒌
𝒀
Donde:
𝒌 → representa el número de variables independientes, por lo tanto, puede ser cualquier número
entero positivo
𝒂 → es la intersección con el eje Y cuando las variables independientes (X) son cero
𝒃𝒋 → se considera a aquella cantidad en la cual (Y) cambia cuando 𝑿𝒋 aumenta una unidad,
mientras los valores de todas las demás variables independientes se mantienen constantes.
Cuando existen dos variables independientes la ecuación de regresión está definida por:
̂ = 𝒂 + 𝒃𝟏 𝑿𝟏 + 𝒃𝟐 𝑿𝟐
𝒀
Es importante tener en cuenta que, en general, una ecuación de regresión NO se utiliza fuera del
̂ y 𝑿 ya no se representa
Debido a que existen dos variables independientes la relación entre 𝒀
Cabe recalcar, que, si en un análisis de regresión múltiple se incluyen más de dos variables
Los valores de los coeficientes de la ecuación lineal múltiple se los puede determinar mediante el
método de mínimos cuadrados. Este método es aquel que suma las diferencias elevadas al
cuadrado entre los valores ajustados y reales de (Y) tan pequeña como sea posible, con lo cual el
término se minimiza.
Ya que los cálculos suelen ser muy tediosos de realizarse se los puede resolver mediante un
son iguales a cero, por lo tanto, son útiles para las predicciones.
Después de eso el siguiente paso es probar cada una de las variables independientes de forma
individual, para determinar que coeficientes de regresión pueden ser 0 y cuales no pueden serlo.
¿Por qué es importante saber si algunas de las 𝛽𝑗 son iguales a 0?
Es importante determinar si una β puede ser igual a 0, ya que, si lo es, esta variable
Si llegase a existir coeficientes para los cuales 𝐻0 no se puede rechazar, lo más acertado sería
𝑏𝑖 −0
𝑷𝒓𝒖𝒆𝒃𝒂 𝒅𝒆 𝒍𝒐𝒔 𝑪𝒐𝒆𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒆𝒔 𝒅𝒆 𝑹𝒆𝒈𝒓𝒆𝒔𝒊ó𝒏 𝑰𝒏𝒅𝒊𝒗𝒊𝒅𝒖𝒂𝒍𝒆𝒔 𝑡= 𝑆𝑏𝑖
de esa distribución del coeficiente de regresión. El cero de la ecuación está incluida debido a que
la hipótesis nula es 𝛽𝑗 = 0
En caso de que una de las variables independientes no sea igual a cero, se debe omitir esa
Existen casos en los cuales no es sencillo determinar que variable independiente se debía
eliminar, en estos casos se debe ir eliminando una por una las variables independientes con el
menor valor t absoluto o con el valor p mayor y volver a formular una nueva ecuación de
Recomendaciones
1. Detallar de mejor manera el proceso de la eliminación de variables dependientes.
Bibliografía
Lind, D., Marchal, W., & Wathen, S. (2008). Estadística Aplicada a los Negocios y la Economía. McGraw-
Hill.