coeficientes de determinacion
Una vez ajustada la recta de regresión a la nube de observaciones es importante disponer de una medida que mida la bondad del ajusterealizado y que permita decidir si el ajuste lineal es suficiente o se deben buscar modelos alternativos. Como medida de bondad del ajuste se utiliza el coeficiente de determinación, definido como sigue(6.15)
o bien
Como scE < scG, se verifica que 0 < R2 < 1.
El coeficiente de determinación mide la proporción de variabilidad total de la variable dependiente respecto a su media que es explicadapor el modelo de regresión. Es usual expresar esta medida en tanto por ciento, multiplicándola por cien.
Por otra parte, teniendo en cuenta que i - = 1, se se obtiene
(6.16)
Dadas dos variablesaleatorias cualesquiera X e Y , una medida de la relación lineal que hay entre ambas variables es elcoeficiente de correlación definido por
(6.17)
donde representa la desviación típica de lavariable X (análogamente para ). Un buen estimador de este parámetro es el coeficiente de correlación lineal muestral (o coeficiente de correlación de Pearson), definido por
(6.18)
Por tanto, r . Estecoeficiente es una buena medida de la bondad del ajuste de la recta de regresión. Evidentemente, existe una estrecha relación entre r y 1 aunque estos estimadores proporcionan diferentes interpretaciones delmodelo:
* r es una medida de la relación lineal entre las variables X e Y.
* 1 mide el cambio producido en la variable Y al realizarse un cambio de una unidad en la variable X.
De las definicionesanteriores se deduce que:
Es importante estudiar si r es significativo (distinto de cero) ya que ello implica que el modelo de regresión lineal es significativo. Desafortunadamente la distribuciónde r es complicada pero para tamaños muestrales mayores que 30 su desviación típica es 1/, y puede utilizarse la siguiente regla
En la interpretación del coeficiente de correlación se debe tener en...
Regístrate para leer el documento completo.