Clase 9.1: Regresión múltiple Flashcards

1
Q

en regresión múltiple ¿qué es el resultado?

A

Una variable continua

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Que hace la regresión multiple a diferencia de la regresión lineal simple?

A

La regresión múltiple amplía la regresión lineal simple para permitir múltiples
variables independientes (X)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

en pocas palabras ¿qué es la regresión múltiple?
Háblame de la terminología

A
  1. Un modelo de regresión predice una variable Y a partir de una o más variables X
  2. Variables
    - “Y”: Variable dependiente, respuesta o resultado
    - “X”: Variables independientes, explicativas o predictora
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Cada variable independiente en regresión lineal múltiple puede ser:

A
  1. Continua
  2. Binaria
  3. Ctegórica, con 3 o más categorías
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Cuando sólo hay dos valores posibles para una variable

A

Se llama variable ficticia
- Lo vemos en binarios

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

El modelo de regresión múltiple define la variable dependiente como una función de las variables
independientes y un conjunto de parámetros, o coeficientes de regresión

A

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Regresión simple versus regresión múltiple

A

regresión simplese refiere a modelos con una sola variable X, como se explica en el
Capítulo 33.Regresión múltiple, también llamadoregresión multivariable, se refiere a
modelos con dos o más variables X.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Diferencias entre regresión lineal simple y regresión lineal múltiple

A
  1. Regresión lineal simple
    - simple determina la mejor ecuación
    lineal para predecir Y a partir de una sola variable X.
  2. Regresión lineal múltiple
    - extiende
    este enfoque para encontrar la ecuación lineal que mejor predice Y a partir de múltiples
    variables independientes (X)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

¿Transformación?
El modelo de regresión es intrínsecamente…

A
  1. Aditivo
  2. Por lo tanto, transformar una variable a su logaritmo convierte un efecto multiplicativo en uno aditivo
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

¿qué es el coeficiente de regresión?

A
  1. β1 (coeficiente de regresión): Representa el cambio en 𝑌 por cada unidad de cambio en 𝑋.
  • Indica el cambio esperado en la variable dependiente por unidad de cambio en la variable independiente, mientras se mantienen constantes otras variables en el caso de regresiones múltiples.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Cuál es el componente final del modelo y qué representa?

A
  1. ε
    - Representa la variabilidad aleatoria (error).
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Al igual
que la regresión lineal ordinaria, la regresión múltiple supone que la dispersión aleatoria
(variación individual no relacionada con las variables independientes) sigue una

A

Distribución normal

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Uno de los objetivos de la regresión es encontrar el valor de mejor
ajuste de

A

Cada regresión junto con su IC

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Este es el valor promedio previsto de Y cuando todos los
valores de X son cero.

A

Intersección B(sub0)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q
  1. Esta es una variable aleatoria que se supone que sigue una distribución gaussiana.
  2. Predecir Y a partir de todas las variables X no es una predicción perfecta porque
    también hay un componente aleatorio, designado por ε
A

ε

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Al igual que la regresión lineal simple, la regresión múltiple es un
método de…

A

Mínimos cuadrados

17
Q

Múltiples programas de regresión pueden calcular un valor P para cada parámetro en el
modelo probando la hipótesis nula de que el valor verdadero de ese parámetro es cero.
¿Por qué cero?

A

Cuando un coeficiente de regresión (parámetro) es igual a cero, entonces la
variable independiente correspondiente no tiene efecto en el modelo (porque el producto
de la variable independiente por el coeficiente siempre es igual a cero)

18
Q

Interpretación de R2 (determinación de correlación)
EJEMPLO DE CREATININA

A
  1. R2 es igual a 0,27. Esto significa que el modelo sólo explica el 27% de la variabilidad en el
    aclaramiento de creatinina.
  2. El 73% restante de la variabilidad se explica por variables no
    incluidas en este estudio, variables incluidas en este estudio pero no en los formularios
    ingresados en la moda y variación aleatoria.
19
Q

¿qué representa cada punto?

A

Un participante

20
Q

El valor esperado de R2
aumenta a medida que…

A
  1. Se agregan mas variables independientes
    - Esto limita la utilidad de R2
    como una forma de cuantificar la bondad de ajuste, especialmente con tamaños de muestra pequeños.
  2. El valor de R2 puede verse inflada cuando tenemos muchas variables predictoras.
    En este caso es preferible interpretar R2-ajustada
21
Q

supuestos de regresión múltiple

A

.