regresion lineal

Análisis de regresión y correlación lineal y múltiple

1. Introducción
2. Coeficiente de correlación de Pearson (r)
3. Coeficiente de correlación no paramétrico de Spearman (rho)
4. Regresiónlineal simple
5. FEV1: Volumen espiratorio forzado en el primer segundo
6. Regresión lineal múltiple
7. Regresión lineal: Consideraciones sobre los datos
8. Métodos dependientes
9. Regresiónmúltiple de variable ficticia
10. Regresión logística
11. Regresión logística multinomial


Introducción
Al trabajar con dos variables cuantitativas podemos estudiar la relación que existe entreellas mediante la correlación y la regresión. Aunque los cálculos de ambas técnicas pueden ser similares en algunos aspectos e incluso dar resultados parecidos, no deben confundirse. En la correlación tansolo medimos la dirección y la fuerza de la asociación de una variable frente a la otra, pero nunca una relación de causalidad. Solo cuando tenemos una variable que es causa o depende de otra,podremos realizar entonces una regresión. En este capítulo estudiaremos dos de los coeficientes de correlación más utilizados, como el coeficiente de Pearson y el coeficiente no paramétrico de Spearman.También veremos un ejemplo de regresión lineal simple y cómo se deben interpretar sus resultados.

Coeficiente de correlación de Pearson (r)
Si tenemos dos variables cuantitativas y deseamos medir elgrado de asociación podemos utilizar el coeficiente de correlación de Pearson. En primer lugar, es muy aconsejable realizar un gráfico de dispersión entre ambas variables y estudiar visualmente larelación entre ellas. Este coeficiente mide asociación lineal y al ser una prueba paramétrica requiere para su uso que ambas variables tengan distribuciones normales1. De no ser así, deberemos utilizarel coeficiente no paramétrico de Spearman.
El coeficiente de correlación de Pearson (r) puede tomar valores entre -1 y +1, de modo que un valor de “r” positivo nos indica que al aumentar el valor...