• Author / Uploaded
• R Christian Rodriguez Bautista

• Categories
• Análisis de regresión
• Regresión lineal
• Análisis
• Matemáticas Aplicadas
• Modelado científico

Citation preview

El Modelo de regresión lineal múltiple El modelo de regresión lineal múltiple es idéntico al modelo de regresión lineal simple, con la única diferencia de que aparecen más variables explicativas: y = b0 + b1  x1 + b2  x2 + b3  x3 + ... + bk  xk + u El error estándar de la regresión múltiple ( Sxy):

Es una medida de dispersión la estimación se hace más precisa conforme el grado de dispersión alrededor del plano de regresión se

Creación de variables dummies Una variable dummy es una variable dicotómica (0; 1) que hemos construido expresamente con algún propósito informativo. Por ejemplo y aunque sólo sea un tema de terminología, el género de un individuo no es una dummy sino una variable discreta dicotómica (con dos opciones), para ser una dummy tiene que ser un artificio construido con algún propósito interpretativo. (si d1, d2 y d3 son las dummies de d cualquiera de ellas se puede expresar como combinación.

Regresión Cox-Box Otro modelo que se utiliza cuando la relación no es lineal es el modelo Cox-Box. Este utiliza una transformación de las variables para conseguir la linealización concretamente se construye una batería de nuevas variables que dependen de λ que denotamos como Z(λ) y cuyo valor es:

𝑍(𝜆) =

𝑦 𝜆 − 1 𝑠𝑖 𝜆 ≠ 0 𝜆 ln(𝑦) 𝑠𝑖 𝜆 = 0

hace más pequeño. Para medirla se utiliza la fórmula:

Y: Valores observados en la muestra. Y∧: Valores estimados a partir a partir de la ecuación de regresión. n: Número de datos. m: Número de variables independientes.

Regresión de polinomios fraccionales Es utilizar una nueva regresión que nos ofrece Stata que denomina regresión de polinomios fraccionales. Esta opción consiste en que es Stata quien, también automáticamente calcula los polinomios que mejor ajuste consiguen. En nuestro caso le indicamos al programa que busque hasta dos polinomios. El software busca entre 44 modelos y encuentra que los dos mejores candidatos son x -2 y, por otro lado, x -2+ x 1.

La “linealización” El modelo lineal exige que la relación entre dependiente e independientes sea lineal. Sin embargo, en ocasiones observamos fenómenos que no tienen este carácter pero que pueden linealizarse con relativa facilidad. Los procedimientos más usuales para linealizar variables son: En el caso de factores ordinales: Creación de dummies de forma que aunque la relación del factor con la dependiente no sea lineal, las de cada dummy con la dependiente sí lo será por construcción porque sólo hay un escalón entre la referencia y cada dummy (Aunque