UNIVERSIDAD NACIONAL DANIEL ALCIDES CARRION

FACULDAD DE CIENCIAS EMPRESARIALES

ESCUELA DE FORMACION PROFESIONAL DE ADMINISTRACION

TEMA: Regresión múltiple

SEMESTRE: II A

LICENCIADO: CARDENAS SINCHE, JOSÈ

INTEGRANTES:
 CORDOVA HUARANGA,Jhon

 MORALES JIMENEZ,Kenedy

 QUISPE AYALA, Joel Nehemías

 TAPIA CASTELLANOS, Luís André

Pasco – Perú - 2018

REGRESIÓN
 Se define como un procedimiento mediante el
cual se trata de determinar si existe o no relación
de dependencia entre dos o más variables. Es
decir, conociendo los valores de una variable
independiente, se trata de estimar los valores, de
una o más variables dependientes.

 La regresión en forma grafica, trata de lograr que

una dispersión de las frecuencias sea ajustada a
una línea recta o curva.
CLASES DE COEFICIENTE DE REGRESIÓN:
 Es positivo cuando las variaciones de la variable independiente X son
directamente proporcionales a las variaciones de la variable dependiente "Y"
 Es negativo, cuando las variaciones de la variable
independiente "X" son inversamente proporcionales a las
variaciones de las variables dependientes "Y"
 Es nulo o cero, cuando entre las variables dependientes "Y"
e independientes "X" no existen relación alguna.
REGRESIÓN MÚLTIPLE
Este tipo se presenta cuando dos o más variables independientes influyen sobre
una variable dependiente. Lo cual toma en cuenta más de una variable
independiente.
Se utiliza cuando la posible relación entre varias variables independientes (
predictorias o explicativas) y otra variable independiente ( criterio ,explicada
,respuesta).
Aplicaciones de la regresión múltiple:
 Identificación de variables explicativas .- Nos ayudan a crear un modelo
donde se seleccionen la variables que puedan influir en la respuesta ,
descartando aquellas que no aporten información.
 Detección de interacciones .-entre varias independientes que afectan ala
variable respuesta.
 Identificación de variables confusoras.- es un problema difícil el de su
detección , pero de interés en investigación no experimental ya que el
controlador no tiene control sobre las variables independientes.
ANÁLISIS DE REGRESIÓN MÚLTIPLE
 dispone de una ecuación con dos variables
independientes adicionales:

 Se puede ampliar para cualquier número "m" de

variables independientes:
REQUISITOS Y LIMITACIONES
 Linealidad.-Se supone que la variable respuesta depende de
linealmente de las variables explicativas. Si la respuesta no
aparenta ser lineal , debemos introducir el modelo
componentes no lineales.
 Normalidad y equidistribucion de residuos.- se llama
residuos las diferencias entre los modelos calculados por el
modelo y los realmente observados en la variable
independiente.
 Colinealidad.- examinar los coeficientes del modelo para ver
si se vuelven inestables al introducir una nueva variable .es
así como hay colinealidad entre la nueva variables y la
anteriores.
 Observaciones anómalas.- debemos poner especial cuidado
en identificarlas ( y descartarlas si procede ), púes tienen
gran influencia en el resultado.
CASO PRACTICO EN SPSS: HORAS QUE
TRABAJA EN LA EMPRESA DESDE ENERO A
DICIEMBRE
Nos vamos a correlacionar, en bivariadas:
SEGUIDAMENTE NOS VAMOS A REGRESIÓN
LINEAL:
SEGUIDAMENTE COLOCAMOS EN
INDEPENDIENTES LA VARIABLE SOBRANTE:
HACEMOS CLICK EN GRÁFICOS Y DESPUÉS
DE GUARDAR:
CASO PRACTICO EN EXCCEL:
MUCHAS
GRACIAS…