Regresion lineal multiple
En la mayor parte de los problemas que se generan en la industria en que se aplica el análisis de regresión, se requiere más de una variable independiente en el modelo deregresión. La complejidad de la mayoría de los mecanismos científicos es tal que, con objeto de estar en condiciones de pronosticar una respuesta, se necesita un modelo de regresión múltiple.
Laregresión múltiple comprende tres o más variables. Existe solo una variable dependiente, pero hay dos o más de tipo independiente. En esta operación se desarrolla una ecuación la cual se puede utilizarpara predecir valore de y, respecto a valores dados de la diferencia de variables independientes adicionales a través de incrementar la capacidad predicativa sobre la de la regresión lineal simple.Estimación de los coeficientes por el método de mínimos cuadrados
En el caso de la regresión múltiple la ecuación se amplía y puede tener más variables independientes adicionales. Esto puede ampliarse acualquier número (k) de variables independientes, siendo la ecuación general de regresión múltiple:
Forma general de la ecuación de regresión lineal múltiple
y=a+ b1 x1i+ b2x2i…+ bkxki
Donde:x1, x2 Son las variables independientes.
a Es la intersección con el eje Y. Es la ordenada del punto de intersección con el eje Y.
B1 Es la variación neta en Y por cada unidad de variación en X1manteniendo X2 constante. Se denomina coeficiente de regresión parcial, coeficiente de regresión neta, o simplemente coeficiente de regresión.
Bk Es el cambio neto en Y para cada cambio unitario en Xkmanteniendo X1 constante.
También se le conoce como coeficiente de regresión parcial, coeficiente de regresión neta, o simplemente coeficiente de regresión.
Se pueden aplicar técnicas de mínimoscuadrados similares para estimar los coeficientes cuando los modelos lineales involucran potencias y productos de las variables independientes.
La solución de este conjunto de ecuaciones de las...
Regístrate para leer el documento completo.