Regresión simple y múltiple

Regresión simple y múltiple.

En términos generales, el análisis de regresión tata sobre el estudio de la dependencia de un fenómeno económico respecto de una o varias variables explicativas, con el objetivo de explorar o cuantificar la media o valor promedio poblacional de la primera a partir de un conjunto de valores conocidos o fijos de la segunda.

Contenido:

Regresión simple

En un Análisis de Regresión simple existe una variable respuesta o dependiente (y) que puede ser el número de especies, la abundancia o la presencia-ausencia de una sola especie y una variable explicativa o independiente (x). El propósito es obtener una función sencilla de la variable explicativa, que sea capaz de describir lo más ajustadamente posible la variación de la variable dependiente. Como los valores observados de la variable dependiente difieren generalmente de los que predice la función, ésta posee un error. La función más eficaz es aquella que describe la variable dependiente con el menor error posible o, dicho en otras palabras, con la menor diferencia entre los valores observados y predichos. La diferencia entre los valores observados y predichos (el error de la función) se denomina variación residual o residuos. Para estimar los parámetros de la función se utiliza el ajuste por mínimos cuadrados. Es decir, se trata de encontrar la función en la cual la suma de los cuadrados de las diferencias entre los valores observados y esperados sea menor. Sin embargo, con este tipo de estrategia es necesario que los residuos o errores estén distribuidos normalmente y que varíen de modo similar a lo largo de todo el rango de valores de la variable dependiente. Estas suposiciones pueden comprobarse examinando la distribución de los residuos y su relación con la variable dependiente.

Regresión múltiple

El análisis de regresión múltiple es una técnica de análisis multivariable en el que se establece una relación funcional entre una variable dependiente o a explicar y una serie de variables independientes o explicativas, en la que se estiman los coeficientes de regresión que determinan el efecto que las variaciones de las variables independientes tienen sobre el comportamiento de la variable dependiente. El modelo más utilizado es el modelo lineal, pues es el que requiere estimar un menor número de parámetros. La medida de la bondad del ajuste de la función estimada viene dada por el coeficiente de correlación múltiple, y el coeficiente de determinación, que es el cuadrado del anterior, expresa la proporción de la varianza de la variable dependiente explicada por el modelo de regresión. El coeficiente de correlación parcial de cada variable explicativa, indica la relación específica de dicha variable con la variable dependiente, supuesto que permanecen constantes las demás variables independientes. En este tipo de análisis es frecuente

...