Aproximación de funciones multivariantes mediante regresión lineal bayesiana
Modelo de regresion lineal multiple
-
Upload
independent -
Category
Documents
-
view
11 -
download
0
Transcript of Modelo de regresion lineal multiple
Al finalizar la sesión el alumno:
◦Desarrollara un modelo de regresión lineal múltiple
◦Interpretara los coeficientes de regresión
◦Realizará pronósticos en la variable dependiente Y con base en el modelo de regresión lineal múltiple
Objetivos de aprendizaje
Se selecciona una muestra de 34 tiendas de una cadena de supermercados para un estudio de mercado.
Todas tienen el mismo volumen de ventas al mes.
Aquí se consideran dos variables: ◦ Independientes
El precio de una barra energética () El gasto de promoción en tienda ()
◦ Dependiente El numero de barras energéticas vendidas (Y)
Desarrollo del modelo de regresión múltiple
Cuando existen diversas variables independientes, es posible ampliar el modelo de regresión lineal simple, suponiendo una relación lineal entre cada una de las variables independientes y la variable dependiente.
Interpretación de los coeficientes de regresión
MODELO DE REGRESIÓN MÚLTIPLE CON k VARIABLES INDEPENDIENTES
Donde
ikikiii uxxxY ...22110
iui
kkn observació la para Yen aleatorioerror
X ,...,X ,X variableslas constante omanteniend X variablelacon Y de pendienteX ,...,X ,X variableslas constante omanteniend X variablelacon Y de pendienteX ,...,X ,X variableslas constante omanteniend X variablelacon Y de pendiente
Yen ón intersecci
1-k32
k3122
k3211
0
MODELO DE REGRESIÓN MÚLTIPLE CON k VARIABLES INDEPENDIENTES
Donde
ikikiii uxxxY ...22110
iui
kkn observació la para Yen aleatorioerror
X ,...,X ,X variableslas constante omanteniend X variablelacon Y de pendienteX ,...,X ,X variableslas constante omanteniend X variablelacon Y de pendienteX ,...,X ,X variableslas constante omanteniend X variablelacon Y de pendiente
Yen ón intersecci
1-k32
k3122
k3211
0
MODELO DE REGRESIÓN MÚLTIPLE CON DOS VARIABLES INDEPENDIENTES
Donde
iiii uxxY 22110
iui n observació la para Yen aleatorioerror X variableslas constante omanteniend X variablelacon Y de pendienteX variableslas constante omanteniend X variablelacon Y de pendiente
Yen ón intersecci
122
211
0
Linealidad: suponiendo una relación lineal entre cada una de las variables independientes y la variable dependiente. El incumplimiento suele denominarse error de especificación.
Supuestos
Independencia: Los residuos son independientes entre sí, es decir, los residuos (diferencia entre los valores observados y los pronosticados) constituyen una variable aleatoria.
Homoscedasticidad: Para cada valor de la variable independiente (o combinación de valores de las variables independientes), la varianza de los residuos es constante.
Normalidad: Para cada valor de la variable independiente ( o combinación de valores de las variables independientes), los residuos se distribuyen normalmente con media cero.
No colinealidad: No existe relación lineal exacta entre ninguna de las variables independientes. El incumplimiento de este supuesto da origen a colinealidad o multicolinealidad.
Ecuación de regresión múltiple con dos variables independientes Regresando al ejemplo “Venta de barras energéticas” procedemos a calcular el valor de los tres coeficientes de regresión, utilizando el método de mínimos cuadrados ordinarios.
Para ello se pueden utilizar diversos ordenadores:
• Excel• MiniTab• E-views• SPSS• Stata
iii xbxbbY 22110 ˆˆˆˆ
Representa el grado de ganancia que podemos obtener al predecir una variable basándonos en el conocimiento que tenemos de otra u otras variables.
Es decir, expresa la proporción de varianza de la variable dependiente que está explicada por la variables independientes.
R2= 0.7577 Significa que el 75.77% de la varianza de la variable dependiente está explicada por las variables independientes.
Coeficiente de determinación
Existen además otras pruebas estadísticas como:◦ Prueba ANOVA: para comprobar la no colinealidad◦ Estadístico t y sus niveles críticos: revela si el coeficiente de regresión es significativo
◦ Matriz de covarianzas: para comprobar la no colinealidad
◦ El estadístico Durbin-Watson: revela el grado de independencia entre los residuos
Complementan el análisis de regresión lineal múltiple.
Notas aclaratorias