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…