PASOS A SEGUIR PARA ANALIZAR EL MODELO DE LA ECUACION DE

REGRESION MULTIPLE
= a + b
1
x
1 +
b
2
x
2
+ b
3
x
3
+ ..b
n
x
n
A) 1ea !"eba #e $%&n%'%(a(%)n * !"eba &+*ba+.
Contraste de regresin mltiple utilizando el estadstico F.
,*- .1 = / = .2 = .3 = 00000.N = / C*n1a$1e (*n2"n1* #e +a 345
,1- A+&6n .1 7 /
Esta prueba investiga si es posible que todas variables independientes tengan
coeficientes de regresin netas iguales a cero.
.) 2#a !"eba #e $%&n%'%(a(%)n #e +*$ (*e'%(%en1e$ #e e&e$%)n "1%+%8an#* e+
e$1a#9$1%(* 315 #e S1"#en1.
,* - .I = / C*n1a$1e %n#%:%#"a+ #e +a 315
,1 - .% 7 /
Esta prueba investiga si es posible que algunas variables independientes tengan coeficientes
de regresin netas iguales a cero.
Re+a(%)n en1e +*$ (*n1a$1e$ %n#%:%#"a+e$ ; +*$ (*n1a$1e$ (*n2"n1*
En un modelo de regresin mltiple al hacer los contrastes sobre la influencia individual de
cada variable independiente con la variable dependiente el contraste del con!unto de todas
las variables independientes con la variable dependiente" pueden darse las siguientes
situaciones.
Ca$* C*n1a$1e <4)
C*n2"n1*
C*n1a$1e <315)
In#%:%#"a+
#
# $ignificativo %odos significativos
& $ignificativo 'lgunos significativos
( $ignificativo )ingunos significativos
* )o significativo %odos significativos
+ )o significativo 'lgunos significativos
, )o significativo )inguno significativo
Ca$* 1- %odas las variables independientes influen en la variable dependiente.
Ca$* 2- .nfluen algunas variables independientes otras no.
Ca$* 3- las variables independientes son mu dependientes entre si. Entonces
con!untamente influen" pero los coeficientes de regresin las varianzas son mu altos en
relacin con el valor de las estimaciones que no son significativas. Este problema se llama
M"+1%(*+%nea+%#a# se soluciona eliminando algunas variables independientes.
Ca$* =- Es otro caso de /ulticolinealidad" las variables son mu dependientes" pero con
una fuerte correlacin negativa" es poco frecuente.
Ca$* >. .gual al caso *.
Ca$* ?. )inguna de las variables independientes influen en la variable dependiente o la
influencia no detecta la muestra tomada.
C) 3ea !"eba #e $%&n%'%(a(%)n.
Esto implica el calculo del error tpico de estimacin" esto permite intervalos de
confianza que ha que desarrollar alrededor de @ en general se usa un nivel de confianza
del 0+1. Este c2lculo del error tpico de estimacin lo arro!a el programa $3$$.
O1a$ *b$e:a(%*ne$-
El signo del coeficiente de regresin de una variable independiente puede no ser el
mismo que el coeficiente de la matriz de correlacin entre esta variable la variable
dependiente" se debe a que los a!ustes que se llevan a cabo para poder obtener la me!or
ecuacin posible" aunque e4isten diferentes e4plicaciones para !ustificar el cambio de signo
de un coeficiente de regresin" una de la que deben ser mas seriamente consideradas es la
que se refiere de un alto grado de correlacin entre algunas variables independientes"
5 /ulticolinealidad6.
&
7os coeficientes estandarizados 58eta6" proporciona una buen pista" mu til
5aunque no definitiva" por que cuando est2n inflados tanto en lo positivo como en lo
negativo" adoptan al mismo tiempo valores maores que # menores que 9#" signos de
/ulticolinealidad6" sobre la importancia relativa de cada variable independiente en la
ecuacin de regresin mltiple" cuando maor sea el numero en valor absoluto" maor ser2
la importancia de la variable.
Cada una de estas pruebas b2sicas de significacin" el avaluador obtendr2 una me!or
comprensin de la ecuacin de regresin mltiple del nivel de confianza que se puede
depositar en las estimaciones desarrolladas a partir de la misma.
SUPUESTOS DE UN MODELO ESTADISTICO
En la grafica de dispersin" puedo obtener un diagrama de
1. L%nea+%#a# dispersin parcial" es decir se observa si e4iste una relacin
7ineal entre la variable independiente la variable dependiente.
2. N*Aa+%#a# 1. :rafico de histograma
&. :rafico de probabilidad normal
3. ,*A*(e#a$1%(%#a# . En grafica de dispersin de valores pronosticados ;ersus
los valores de los residuos tipificados. $e observan-
a. $i ha Be1e*(e#a$1%(%#a# varianza no constante" de deben transformar los
datos.
b. Error en el an2lisis" se observa si se ha realizado "n Aa+ a2"$1e se verifica que
los residuos negativos se corresponden con valores peque<os" los residuos positivos se
corresponden con los valores grandes o al rev=s.
c. $i el modelo es inadecuado por falta de +%nea+%#a#C se deben transformar los
datos o se pueden introducir nuevas variables.
d. E4istencia de observaciones a19!%(a$ * !"n1*$ ex1eA*$.

(
.ndependencia de los residuos se mide por el estadstico
>urbin9?atson" que va de @ a *" siendo lo ideal un valor de
=. In#e!en#en(%a A" para que no e4ista autocorrelacin" pero se pueden aceptar
;alores entre #"+ &"+.
;alores entre @ A indican autocorrelacin positiva.
;alores entre & * indican autocorrelacin negativa.

DIAGNOSTICO DE MULTICOLINEALIDAD
#. Chequear si ha coeficiente de regresin con valores bien grandes o de signos
opuestos a lo que se esperaba que ocurriera.
&. Chequear si las variables independientes que se esperaban sean importantes
tengan valores de t peque<os para la hiptesis de sus coeficientes o sea 5 3 B C" 3B @"@+6
de paso D
&
B @"@E@ podemos sospechar del efecto de multicolinealidad.
(. Chequear la matriz de correlacin para detectar los que son bastantes altos r B
@"F+ entre las variables independientes" la matriz de correlacin es efectiva para regresiones
mltiples de hasta dos variables independientes" no es totalmente suficiente para
regresiones mltiples de mas de dos variables independientes.
*. Chequear el ;.F si el ;.F es grande" maor de #@ entonces puede haber
multicolinealidad.
+. Chequear el .C 5ndice de condicin6" si #@ G .C G (@ /ulticolinealidad
moderada.
$i .C B (@ indica alta /ulticolinealidad.
En caso de /ulticolinealidad perfecta" no se puede obtener una solucin nica para
los coeficientes de regresin individual de las variables Hi" son indeterminados sus errores
est2ndar son infinitos.
$i la /ulticolinealidad es menos perfecta" los coeficientes de regresin poseen
grandes errores est2ndar" lo que hace que los coeficientes no pueden ser estimados con
precisin.
*
4UENTES DE MULTICOLINEALIDAD.
#. El m=todo de recoleccin de muestras o referenciales es obtenidos en un rango
limitado.
&. In m=todo sobreestimado" es decir que posee mas variables independientes que
el numero de observaciones.
SOLUCIONES A LA MULTICOLINEALIDAD
#. 'umentar el nmero de observaciones.
&. $uprimiendo variables que est2n altamente correlacionadas.
(. %raba!ar con series logartmicas.
COE4ICIENTE DE DETERMINACION R
2
.
/ide la tasa porcentual de los cambios de que pueden ser e4plicada por H#"
H&JJ..Hn simult2neamente o sean en con!untos.
ERROR ESTANDAR DE ESTIMACION <S)
/ide el grado de dispersin alrededor del plano de regresin" la estimacin se hace
mas precisa conforme el grado de dispersin alrededor del plano de regresin se hace mas
peque<o.
COE4ICIENTE DE REGRESION
.ndica el nmero de unidades en que se modifica la variable dependiente 5 por
efecto del cambio de la variable independiente H.
CLASES DE COE4ICIENTES DE REGRESION
El coeficiente de regresin puede ser- positivo" negativo nulo.
E$ !*$%1%:*- cuando las variaciones de la variable independiente H son
directamente proporcionales a las variaciones de la variable dependiente 35.
E$ ne&a1%:*- cuando las variaciones de la variable independiente H son
inversamente proporcionales a las variaciones de las variables dependiente 5.
+
E$ n"+* * (e*- cuando entre las variables dependientes 5 e independiente H
no e4isten relacin alguna.
,