1. Sesión 9
Regresión Lineal Simple
Estadística en las organizaciones
AD4001
Dr. Jorge Ramírez Medina
2. Tabla ANOVA
Dr Jorge Ramírez Medina
EGADE Business School
2 1
s n
2
3. Tabla Anova
Fuente de
variación
Suma de
cuadrados
Grados
de
libertad
Cuadrado Medio F p-value
Tratamientos SCTR k-1 CMR=SCTR/(k-1) F=CMTR/CME tablas
Error SCE nT-k CME=SCE/(nT-k)
Total STC nT-1
Dr. Jorge Ramírez Medina
EGADE Business School
4. Qué tipo
de relación
se examina?
Cuántas son
las variables
a predecir?
Dependencia Interdependencia
Múltiples relaciones de
Variables dependientes e
independientes Varias variables
Cuál es la escala
de medición de
la variable
dependiente?
Cuál es la escala
de medición de
la variable
dependiente?
Cuál es la escala
de medición de
la variable
predictora?
SEM
dependientes en
una sola relación
Una variable
dependientes en
una sola relación
Correlación
canónica
Análisis
Multivariado
de varianza
(Manova)
Correlación
canónica
con variables
dummy
Regresión múltiple
Análisis Conjoint
Análisis discriminante
múltiple
Modelos de
probabilidad lineal
(logit Analysis)
Métrica
No Métrica
Métrica No Métrica
Métrica No Métrica
5. Correlación canónica
Y1+Y2+Y3+…+Yn = X1+X2+X3+…+Xn
métrica, no métrica métrica, no métrica
Manova
Y1+Y2+Y3+…+Yn = X1+X2+X3+…+Xn
métrica no métrica
Análisis de Varianza
Y1 = X1+X2+X3+…+Xn
métrica no métrica
Análisis discriminante múltiple
Y1= X1+X2+X3+…+Xn
no métrica (dicotómica) métrica
Análisis de regresión múltiple
Y1= X1+X2+X3+…+Xn
métrica métrica, no métrica
Análisis Cojoint
Y1= X1+X2+X3+…+Xn
métrica, no métrica no métrica
SEM
Y1 =
Y2 =
Ym =
X11+X12+X13+…+X1n
X21+X22+X23+…+X2n
Xm1+Xm2+Xm3+…+Xmn
métrica métrica, no métrica
Relación entre los
métodos de
dependencia
multivariados
6. Revisión de Tarea Anova
Dr Jorge Ramírez Medina
EGADE Business School
7. Modelo de
regresión lineal simple
Dr. Jorge Ramírez Medina
EGADE Business School
8. Método de mínimos
cuadrados
Dr. Jorge Ramírez Medina
EGADE Business School
9. Calculando b0 y b1
Dr. Jorge Ramírez Medina
EGADE Business School
11. Suma de cuadrados
debido al error
Dr. Jorge Ramírez Medina
EGADE Business School
12. Suma total de cuadrados
Dr. Jorge Ramírez Medina
EGADE Business School
13. SCE y STC
Dr. Jorge Ramírez Medina
EGADE Business School
14. Suma de cuadrados
debido a la regresión
Dr. Jorge Ramírez Medina
EGADE Business School
15. ¿Qué tan bien se ajustan los
datos a la regresión?
Dr. Jorge Ramírez Medina
EGADE Business School
16. Suposiciones del modelo
• E(e)=0
• Varianza de e, (que es 2) es la misma para
todos los valores de x.
• Los valores de e son independientes.
• e es una variable distribuida normalmente
Dr. Jorge Ramírez Medina
EGADE Business School
17. ¿Cómo comprobamos
el ajuste del modelo?
• Usando r2
• Usando una prueba de hipótesis
H0: b1= 0
Ha: b1 ≠ 0
Estadístico de prueba
F=CMR/ECM
Regla rechazo
p-value<=a
Dr. Jorge Ramírez Medina
EGADE Business School
20. En el ejemplo
푟2 =
푆퐶푅
푆퐶푇
Dr. Jorge Ramírez Medina
EGADE Business School
=
푆푇퐶 − 푆퐶퐸
푆퐶푇
푟푥푦
21. Usando la prueba F
Fuente de
variación
Suma de
cuadrados
Dr. Jorge Ramírez Medina
EGADE Business School
Grados
de
libertad
Cuadrado Medio F p-value
Regresión SCR 1 CMR=SCR/1 F=CMR/CME tablas
Error SCE n-2 CME=SCE/(n-2)
Total STC n-1
22. En el ejemplo
퐹 =
퐶푀푅
퐸퐶푀
Dr. Jorge Ramírez Medina
EGADE Business School
퐶푀푅 =
푆퐶푅
퐹 = 74.25
푁표. 푣푎푟푖푎푏푙푒푠
푠2 = 퐸퐶푀 =
푆퐶퐸
푛 − 2
14200
1
15300
10−2
= 191.25
p-value
2.54887E-05
-- a dependent variable -- is generally predicted or explained by means of the other(s) -- independent variables and covariates. These are called dependence methods. Ejemplo: multiple regression and analysis of variance
Multiple regression analysis enables the researcher to predict the level of magnitude of a dependent variable based on the levels of more than one
independent variable.
Multiple discriminant analysis enables the researcher to predict group membership on the basis of two or more independent variables.
Conjoint analysis provides a basis to estimate the utility that consumers associate with different product features or attributes.
Aquí hacer pausa y preguntar qué es estadística, inferencial, parámetro
Correlación!!
Si se rechaza Ho => b1 es diferente de cero
Por lo que aplica y=bo+b1x+e
X y Y están reñlacionadas linealmente
ECM= Error cuadrado medio. Estimación de S^2
CMR= Cuadrado Medio de la regresión
ECM = error cuadrado medio-> error estándar de estimación
Error típico = raíz(s^2)
