REGRESION MLTIPLE

MODELO DE REGRESIN LINEAL

Y= B0 + B1X1 + B2X2 +.. BnXn

Variable Y: Combinacin Lnal de un conjunto de K variablevariables indenpendientes, cada una acompaa da de una varaible B1,B2... que indica el peso relativo de esa variable en la ecuacin

Determinar la ecuacion de regresion muestral de los valores de y con respecto a las dos variables x

Y X1 X2

70 80 2

65 100 3

90 120 5

95 140 7

110 160 9

Matriz Y Matriz X
70 65 90 95 110 115 120 140 155 150

Agregamos una columna de valor =1

y=

x=

(10 x 1)

1 1 1 1 1 1 1 1 1 1

80 100 120 140 160 180 200 220 240 260

2 3 5 7 9 12 13 24 35 33

(10 x 3)

ESTIMACION DE PARAMETROS DE UNA REGRESION MULTIPLE

[b] = [x
1 100 3

] [x y]
-1 t
1 120 5

Inversa de la matriz traspuesta por matriz x por matriz Pendiente

XT ---- X(transpuesta)
1 80 2 1 140 7 1 160 9 1 180 12 1 200 13

[XT * X]
10 1700 143 1700 322000 30500 143 30500 3371
(3 x 3)

[XT * Y]
1110 205500 19115
(3 x 1)

[X * X]

Matriz Inversa 2.85043708 -0.02514508 0.10658929 -0.02514508 0.00024354 -0.00113678 0.10658929 -0.00113678 0.00606038

-1

(3 x 3)

Comprobar que es su matriz inversa

1.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 1.0

Para comprobar si es correcto!!!! Resulta la matriz de identidad

(3 x 3)

ESTIMACIN
Bo B1 B2 34.125101 0.40595387 0.54984206
(3 x 1)

Pendiente de X1 Pendiente de X2

SION MLTIPLE
El procedimiento REGRESION LINEAL permite utilizar ms de una variable independiente y por eso permite llevar a cabo un anlisis de regresin mltiple

X1 + B2X2 +.. BnXn

e K variablevariables varaible B1,B2... que

con respecto a las dos variables x

115 180 12

120 200 13

140 220 24

155 240 35

150 260 33

de la matriz traspuesta por matriz x por matriz transpuesta por matriz y

1 220 24

1 240 35

1 260 33

(3 x 10)

mprobar si es correcto!!!! la matriz de identidad

Y 1 2 3 4 5 6 7 8 9 10 11 12 13 14 16 17 18 19 EDAD 42 64 47 56 54 48 57 52 67 46 58 62 49 56 64 67 49 53

X COLESTEROL 292 235 200 200 300 215 216 254 310 237 220 233 240 295 268 243 239 198

X IMC 31.64 30.8 25.61 26.17 31.96 23.18 21.19 26.95 24.26 21.87 25.61 27.92 27.73 22.49 30.04 23.88 21.99 26.93

42 64 47 56

54 48 57 52 67 46 58 62 49 56 64 67 49 53

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

292 235 200 200 300 215 216 254 310 237 220 233 240 295 268 243 239 198

31.64 30.8 25.61 26.17 31.96 23.18 21.19 26.95 24.26 21.87 25.61 27.92 27.73 22.49 30.04 23.88 21.99 26.93

x transpuesta 1
292 31.64 235 30.8

1
200 25.61

1
200 26.17

1
300 31.96

1
215 23.18

xt*x 18 4395 470.22 xt*y 991 242740 25910.37 xt*x inversa 4.886495049 -0.008424932 -0.008424932 5.04748E-05 -0.106182927 -0.000149267 comprobar matriz inversa 1 6.93889E-17 1.81899E-12 1 0 8.88178E-16 estimacion 46.20973944 0.035601927 0.005857299 4395 1094667 115401.33 470.22 115401.33 12482.9802

-0.106182927 -0.000149267 0.005459826

-4.44089E-16 0 1

1
216 21.19 254 26.95

1
310 24.26

1
237 21.87

1
220 25.61

1
233 27.92

1
240 27.73

1
295 22.49

1
268 30.04 243 23.88

1
239 21.99

1
198 26.93

REGRESION MLTIPLE
Supuestos: Linealidad: Independencia: Normalidad: Homocedasticidad: No - Colinealidad:

No existe relacion linal exacta entre ninguna de las variables independientes. El incumplimiento de este supuesto da origen a colinealidad o multicolinealidad Existe colinealidad perfecta cuando una de las variables independientes se relaciona de forma perfectamente lineal con una o ms del resto de variables independientes de la ecuacin

Ejercicio Un profesor del curso de investigacin est interesado en construir el modelo de regresin que le permita realizar prediccions acerca de las calificaciones finales del curso. El sospecha que las variables que posiblemente influyen en el rendimiento del curso son: Horas de estudio a la semana, coeficiente intelectual e ingreso familiar. 1. Cumple con criterio de Multicolinealidad : Hallar la matriz de correlaciones entre las variables

Resultado Obtenido Calificacin Final Calificacin Final Horas Estudio Coeficiente Intelectual Ingreso Familiar Anlisis 1 2 1 0.06149111 0.983484 0.07542 1 0.13079 -0.1752 1 0.11138 1 Horas Estudio Coeficiente Intelectual Ingreso Familiar

Todos los valores de Coef entre las variables independientes son bajos, NO SIGNIFICATIVOS; por lo que no existe multicolinealidad Valor de Horas de estudio y Coe Intelectual es bajo (r= 0.130) es mayor que el valor de horas de estudios y calificacin final (r=0.0614)

La relacin existente entre ingreso familiar y coeficiente intelectual (r=0.11138) es mayor q ing familiar y calificacin final (r=0.07542) , por lo q variable horas de estudio e ingreso familiar deberian excluirse

Inferencia Estadstica

FORMAS DE CALCULO DE REGRESION LINEAL Encontrar la ecuacin de regresin del siguiente conjunto de datos: X Y -1 -3 1 1 3 5 4 7 6 11

a) Utilizando ecuaciones normales Ecuacin de regresin y = b0 + b1x Donde:

b0 =

x y - x xy n x - x
2 2 2

b1 =

n xy - x y n x 2 - x
2

x -1 1 3 4 6 13

y -3 1 5 7 11 21

x2 1 1 9 16 36 63

xy 3 1 15 28 66 113

b0 = b1 = La ecuaccin de regresin es: b) Utilizando funciones de excel b0 = b1 = -1 2

-1 2 y = -1 + 2x

La ecuaccin de regresin es:

y = -1 + 2x

c) Utilizando matrices

[b] = [x t x]-1 [x t y ]
Primero encontramos las matrices para x e y.

"Matriz es un disposicin rectangular de nmeros, los nmeros en la disposicin constituyen elementos cada linea horizontal es el renglon o fila, y cada linea vertical es la columna

X=

1 1 1 1 1

-1 1 3 4 6

Y=

-3 1 5 7 11

X =

X .X =

(XT.X)-1 =

(XT.Y) =

Matriz inversa solo es posible con una matriz cuadratica Una matriz cuadrada A tiene una matriz inversa B De manera que AB sea igual a la matriz cuadrada identidad Una matriz invertible solo tiene una inversa, es decir la inversa es nica

Finalmente, los valores de bo y b1 son:

[b]= La ecuaccin de regresin es:

d) Con Analisis de datos de Excel

Profesor: Ing. Ferly Urday Luna