UNIVERSIDAD TECNOLÓGICA PRIVADA DE SANTA CRUZ

TEMA: REGRESION LINEAL
MATERIA: ESTADISTICA DESCRIPTIVA
ALUMNO: BRIAN UREÑA
DOCENTE: LIC. MARCELO AGUILAR

LA REGRESIÓN LINEAL
Concepto
* El análisis de regresión trata de analizar la dependencia de una variable cuantitativa a explicar respecto de una o varias variables explicativas, también cuantitativas. * Matemáticamente la regresión la podemos representar como: Y = f (Xi) * Donde Y es la variable dependiente y Xi representa las diferentes variables independientes. * Si solo hay una variable independiente (X) se trata de un modelo de regresión simple. * Cuando hay dos o más variables independientes se trata de un modelo de regresión …ver más…

Es decir, el valor de e asociado a un valor de y no tiene ninguna influencia sobre los valores de e asociados a otros valores de y (esto implica que los errores no están correlacionados consigo mismo o, lo que es lo mismo, no existe auto correlación de errores). * La varianza de la distribución de probabilidad de e es constante, s2, para todos los valores de la variable independiente, X (es decir, existe homocedasticidad) * No debe existir excesiva colinealidad o multicolinealidad (correlación entre las variables independientes). * La hipótesis primera se considera cierta y no se contrasta. Se supone que se cumple con una muestra aleatoria suficientemente amplia.
ESTIMACIÓN DEL MODELO DE REGRESIÓN * Los estimadores mínimos cuadrados son los mejores que se pueden conseguir (insesgados, eficientes y consistentes) si se cumplen ciertas hipótesis sobre e (las perturbaciones). * El método de estimación por mínimos cuadrados minimiza la suma de cuadrados de las diferencias entre los valores reales y los estimados de la variable dependiente, o lo que es lo mismo, los errores cometidos en la estimación de la variable dependiente (Y) * De conformidad con este criterio la mejor recta es aquella que haga mínima la suma de los cuadrados de los residuos.

COEFICIENTES DEL MODELO DE REGRESIÓN * El coeficiente de correlación múltiple (R) indica el porcentaje de variación en la variable dependiente