REGRESION STEPWISE O “PASO A PASO”

REGRESION STEPWISE O “PASO A PASO”

En el análisis de regresión múltiple, los estadísticos, pruebas y análisis que se aplican para determinar la relación y grado de asociación entre una variable dependiente y sus supuestas varia¬bles explicativas, así como la estimación de los parámetros de la ecuación, no difieren de los determinados en el análisis de regre-sión simple. De hecho, una parte del análisis de regresión biva¬riado se realiza aplicando el cuadro de diálogo específico del análisis de regresión múltiple. La diferencia estriba, pues, en que mientras en el análisis de regresión simple al contar exclusiva¬mente con la relación de un par de variables el proceso se resol¬vía en un solo paso; en el análisis de regresión múltiple es necesario calcular estadísticos, pruebas y análisis a medida que vamos introduciendo y/o sacando variables independientes en el modelo.

En el análisis de regresión lineal múltiple la construcción de su correspondiente ecuación se realiza seleccionando las varia¬bles una a una, “paso a paso”. La finalidad perseguida es buscar de entre todas las posibles variables explicativas aquellas que más y mejor expliquen a la variable dependiente sin que ninguna de ellas sea combinación lineal de las restantes.

Este procedimiento implica que:

(1) en cada paso solo se introduce aquella variable que cumple unos criterios de entrada

(2) una vez introducida, en cada paso se valora si alguna de las variables cumplen criterios de salida; y

(3), en cada paso se valora la bondad de ajuste de los datos al modelo de regresión lineal y se calculan los paráme¬tros del modelo verificado en dicho paso.

El proceso se inicia sin ninguna variable independiente en la ecuación de regresión y el proceso concluye cuando no queda ninguna variable fuera de la ecuación que satisfaga el criterio de selección (garantiza que las variables seleccionadas son significativas) y/o el criterio de elimi¬nación (garantizar que una variable seleccionada no es redundan¬te).

1.- Verificación de los criterios de probabilidad de entrada.

El p-valor asociado al estadístico T, o probabilidad de entrada, nos indica si la información proporcionada por cada una de las variables es redundante. Si éste es menor que un determinado valor crítico, la variable será seleccionada. El SPSS por defecto establece en 0.05 el valor crítico de la probabilidad de entrada.

El criterio de tolerancia puede ser aplicado como un criterio adicional a la probabilidad de entrada. Éste nos ayuda a identifi¬car si alguna de las variables del modelo es una combinación lineal de las restantes. Si dicho valor es próximo a 0, la variable analizada será una combinación lineal de las restantes variables independientes introducidas. Si el valor de la tolerancia se aproxi¬ma a 1 puede reducir la parte

...