UNIVERSIDAD PERUANA CAYETANO HEREDIA

ESCUELA DE POSTGRADO
VICTOR ALZAMORA CASTRO

MEDIDAS DE DESIGUALDAD EN SALUD

CURSO AVANZADO

Dr. Victor Arocena Canazas

varocenac@gmail.com

Lima, Lunes 09 de Abril de 2018

 SEGUNDA SESIÓN
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
(conceptos básicos)
 ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
(Simple y Ponderada)

El análisis de regresión lineal simple se utiliza cuando se quiere evaluar la

asociación entre dos variables, en la cual la variable dependiente es una
VARIABLE CONTINUA.
Por ejemplo, la asociación entre Tasa de Mortalidad Infantil (TMI) y el
Producto Nacional Bruto per cápita (PNBpc).

Las preguntas que se trata de responder con esta técnica son:

a) ¿Qué tan relacionadas están las dos variables (fuerza de asociación)?.
Si la respuesta es afirmativa, la siguiente pregunta será:
b) ¿La relación es directa (o positiva) o inversa (o negativa)?.
Ejemplos: - mortalidad infantil y educación de la madre
- enfermedad cardiovascular y sobrepeso/obesidad.
 ANÁLISIS DE REGRESIÓN Y CORRELACIÓN
Una forma de responder a estas preguntas es calculando indicadores
resumen de la asociación denominados “COEFICIENTES DE CORRELACIÓN ”
y “COEFICIENTES DE REGRESIÓN” O “PARÁMETROS DE REGRESIÓN”.
La elección del indicador a ser usado depende de la escala de medición de
las dos variables (nominal, ordinal, intervalo / razón).
Un indicador muy utilizado cuando ambas variables son numéricas es el
COEFICIENTE DE CORRELACIÓN LINEAL.
 COEFICIENTE DE CORRELACIÓN LINEAL
Toma valores en el intervalo [-1.00, 1.00] y su interpretación dependerá de
que tan próximo se encuentre estos valores. si tiende a 1 se afirma que la
correlación es fuerte y positiva (o directa), si tiende a –1.00 es fuerte y
negativa (o inversa) y si se aproxima a 0 decimos que es inexistente.
Fórmula:

Donde:
r (coeficiente de correlación)
Cov(X,Y), e la covarianza de las variables x e y.
(Sx, Sy), son las desviaciones estándar de las variables x e y.
 ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO DE
REGRESIÓN LINEAL

TMI = α + β*PNBpc + ε
Donde:

α es una constante.
β representa el efecto del PNBpc sobre la TMI.
ε representa otras variables que contribuyen a explicar la TMI, pero que
no han sido considerados en el modelo y otros efectos puramente
aleatorios (variación no explicada).
 ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO DE
REGRESIÓN LINEAL

Donde:
S²x varianza de la variable x
Ȳ media de la variable Y
Ẋ media de la variable X
Estimación manual: parámetros del modelo y coeficiente de correlación (simple)

Paises TMI (Y) PNBpc (X) Var (Yi-Y)² Var (Xi-X)² Cov (Xi-X)(Yi-Y)
Venezuela 22.0 8,130.0 237.16 7617600.00 -42504.00
Colombia 24.0 6,720.0 179.56 1822500.00 -18090.00
Ecuador 39.0 4,730.0 2.56 409600.00 -1024.00
Perú 43.0 4,410.0 31.36 921600.00 -5376.00
Bolivia 59.0 2,860.0 466.56 6300100.00 -54216.00
Total 187.0 26850.0 917.20 17071400.00 -121210.00
Medias 37.4 5370.0
Varianzas (S²y , S²x) 183.44 3414280.00
Covarianza (X,Y) -24242.00
Desviaciones estándar (Sy , Sx) 13.5440 1847.78 25026.30

^ cov( X , Y ) -24242.00 -0.0071

b
S x2 3414280.00

^ ^
a  Y bX 37.4-(-0.0071*5370) 75.5280

Cov ( X , Y ) -24242.00 -0.9687

r
( S x )( S y ) 25026.30
Estimación manual: parámetros del modelo y coeficiente de correlación (ponder.)

cov (X,Y) var (Y) var (Y, X)

Paises Nv TMI (Y) PNBpc (X) ((Xi-Ẋ)(Yi-Ȳ)*Nv)) ((Yi-Ȳ)2*Nv)) ((Xi-Ẋ)2*Nv))
Venezuela 568,000 22.0 8,130 -24142272000 134706880 4326796800000
Colombia 889,000 24.0 6,720 -16082010000 159628840 1620202500000
Ecuador 308,000 39.0 4,730 -315392000 788480 126156800000
Perú 621,000 43.0 4,410 -3338496000 19474560 572313600000
Bolivia 250,000 59.0 2,860 -13554000000 116640000 1575025000000
Total 2,636,000 187.0 26850 -57432170000 431238760 8220494700000
Medias 527,200 37.4 5370
Covarianza (X,Y) -11486434000
Varianzas (Y,X) 86247752 1644098940000
Desviaciones estándar (Sx , Sy) 9286.9668 1282224

^ cov( X , Y ) -11486434000 -0.0070

b 1644098940000
S x2
^ ^
a  Y bX 74.9173

Cov( X , Y ) -11486434000 -0.9646

r 11907973700
( S x )( S y )
EJERCICIO APLICATIVO
Área Andina 2010: Datos para estimar Regresión y correlación lineal simple
Países PoblaciónPNB per cápita Nacidos vivos Muertes TMI
Venezuela 29,042,930 16,435.0 599,000 9704 16.20
Colombia 46,299,052 10,806.0 914,000 16269 17.80
Perú 29,495,252 9,620.0 600,500 11650 19.40
Ecuador 13,773,140 9,116.0 277,500 5550 20.00
Bolivia 10,031,005 5,001.0 261,000 10935 41.90
Total 128,641,379 2,652,000 54,108 20.40

TMI2010 = α + β*PNBpc

Estimar los parámetros del modelo y coeficiente de correlación

lineal de Pearson.