REGRESION MULTIPLE

USO DE MAS DE UNA VARIABLE INDEPENDIENTE PARA ESTIMAR LA VARIABLE DEPENDIENTE

Como mencionamos, podemos servirnos de más de una variable independiente y, de este modo, procurar mejorar la
precisión de la estimación. Este proceso se conoce como regresión múltiple y análisis de correlación. Se basa en las
mismas suposiciones y procedimientos que hemos encontrado al usar la regresión simple.
Pongamos el caso de un agente de bienes raíces que desea relacionar el numero de casas que vende la firma en un
mes con la publicidad que se hace mensualmente. Es verdad que podemos encontrar una ecuación de estimación simple
que relacione estas dos variables. ¿Podríamos mejorar también la precisión de nuestra ecuación incluyendo en el proceso
de estimación el numero e vendedores que el agente emplea cada mes? La respuesta es probablemente afirmativa. Y
ahora, puesto que queremos recurrir tanto al número de agentes de ventas como a la regresión múltiple, no la simple, para
determinar la relación.

VENTAJA DE LA REGRESIÓN MÚLTIPLE

La principal ventaja de la regresión múltiple es que nos permite utilizar una parte mayor de la información de que
disponemos para estimar la variable dependiente. En ocasiones la correlación entre dos variables puede ser insuficiente
para determinar una adecuada ecuación de estimación. Sin embargo, si agregamos los datos de más variables
independientes, podemos obtener una ecuación de estimación que describa la relación con mayor precisión.

LOS PASOS DE LA REGRESIÓN MÚLTIPLE Y LA CORRELACIÓN

La regresión múltiple y el análisis de correlación son un proceso, debemos:

1. Definir la ecuación de regresión múltiple.
2. Examinar el error estándar de estimación para la regresión múltiple.
3. Aplicar el análisis de correlación múltiple para averiguar con que eficacia describe la ecuación de regresión los
datos observados.

Además, en la regresión múltiple, podemos atender a cada una de las variables independientes individuales y probar si
contribuye significativamente a la manera en que la regresión describe los datos.

PAQUETES DE COMPUTADORA PARA REGRESIÓN

En este capitulo, veremos como encontrar la ecuación de regresión de mejor ajuste para un conjunto de datos y
como analizar la ecuación que obtengamos. Aunque mostraremos como realizar la regresión múltiple en la forma manual o
por medió de una calculadora manual el lector pronto se dará cuenta que no querrá resolver manualmente un pequeño
problema real. Por fortuna, se dispone de muchos” paquetes “de computadora para efectuar regresiones múltiples y otros
análisis estadísticos.
La regresión múltiple nos permitirá además ajustar las curvas, lo mismo que las líneas. Aplicando las técnicas de
las” variables ficticias” hasta podemos incluir factores cualitativos, como el sexo, en nuestra regresión múltiple. Esa técnica
nos capacitará para analizar el problema de discriminación con que se inicia esta capitulo. Las variables ficticias y las curvas
de ajuste no son más que dos de las técnicas de modelado que puede aplicarse en la regresión múltiple

UN PROBLEMA CON QUE SE DEMUESTRA LA REGRESIÓN MÚLTIPLE

Veamos todo podemos calcular la ecuación de regresión múltiple. Por razones de comodidad, usaremos solo dos variables
independientes en el problema que resolveremos en esta sección. Sin embargo, no olvidaremos que la misma clase de
técnica es, en teoría, aplicable a cualquier número de variables independientes.

El Internal Revenue Service (IRS) intenta estimar el importe mensual de los impuestos no pagados descubiertos por su
departamento de auditoria. Antaño, esa oficina lo estimaba basándose en el número esperado de horas de trabajo en
auditoria de campo. Sin embargo, en años recientes esas horas se han convertido en un pronosticador errático de los
verdaderos impuestos no pagados. Y por ello el Internal Revenue Service busca otro factor con el cual pueda mejorar la
ecuación de estimación.
El departamento de auditoria lleva un registro del número de horas que sus computadoras tendrán que detectar los
impuestos no pagados. ¿Podríamos combinar esta información con los datos de las horas de trabajo en auditoria de campo
y llegar a obtener una ecuación de estimación mas precisa para los impuestos no pagados descubiertos al mes? La tabla
12-1 presenta estos datos para los últimos 10 meses.

SÍMBOLOS ADECUADOS

En la regresión simple, x es el símbolo con lo que se designan los valores de la variable independiente. En la regresión
múltiple, tenemos más de una variable independiente. Así pues, continuaremos usando x, pero agregaremos subíndice (por
ejemplo, x1, x2,) para distinguir entre las variables independientes que estemos usando.
Tabla 12-1. Datos de los registros de auditoria del Internal Revenue Service (irs) durante los últimos 10 meses.

Mes X, X2 Y
Horas de trabajo en Horas de computadora Impuestos reales
auditoria de campo (en (en cientos). descubiertos no pagados
cientos). (en millones de dólares).
Enero 45 16 $29
Febrero 42 14 24
Marzo 44 15 27
Abril 45 13 25
Mayo 43 13 26
Junio 46 14 28
Julio 44 16 30
Agosto 45 16 28
Septiembre 44 15 28
octubre 43 15 27

DEFINICIÓN DE LAS VARIABLES

En este problema, X1, representara el numero de las horas de trabajo en auditoria de campo y X2, el numero de horas de
computadora. La variable dependiente, Y, será los impuestos no pagados reales que se han descubierto.
Estimación de la ecuación para la regresión múltiple.

Recuérdese que, la regresión simple, la ecuación de estimación Ŷ = a + bX describe la relación entre las dos variables X y
Y. en la regresión múltiple, debemos ampliar esa ecuación, agregando un termino para cada variable.
En la formula simbólica, la ecuación 12-1 es la formula que podemos aplicar cuando tengamos dos variables
independientes:

Ŷ= a + b1X1 + b2X2

Donde:
 Ŷ = valor estimado correspondiente a la variable dependiente
 a = intersección en Y
 X1 y X2 = valores de las dos variables independientes.
 b1 y b2 = pendientes asociadas con X1 y X2, respectivamente.

VISUALIZACIÓN DE LA REGRESIÓN MÚLTIPLE.

Podemos visualizar la ecuación de estimación simple como una línea en una grafica; en forma similar, podemos representar
una ecuación de regresión múltiple de dos variables como un plano, como en la figura 12-1. Aquí tenemos una superficie
tridimensional que posee profundidad, longitud y anchura. Para tener una idea intuitiva de ella, visualícese la intersección de
los ejes Y, X1, y X2 como el rincón de una habitación.

La figura 12-1 es una grafica de los diez puntos muéstrales de la tabla 12-1 y el plano alrededor del cual esos puntos
parecen agruparse. Algunos puntos se hallan sobre el plano y otros caen debajo de él, del mismo modo que se encuentran
arriba y debajo de una línea de regresión simple.
USO DEL CRITERIO DE MÍNIMOS CUADRADOS EN EL AJUSTE DE UN PLANO DE REGRESIÓN.

El problema consiste es decidir cual de los planos posibles que podríamos trazar será el mejor ajuste. Para hacer esto,
volveremos a aplicar el criterio de mínimos cuadrados y encontraremos así el plano que minimice la suma de los cuadrados
de los errores; esto es, las distancias entre los puntos alrededor del plano y los puntos correspondientes sobre el.
Reuniremos a nuestros datos y las siguientes tres ecuaciones para determinar los valores de las constantes numéricas, a,
b1, y b2.

y = na + b1 X1 + b2X2 [12-2]

X1Y =aX1 + b1X12 + b2X1X2 [12-3]
X2Y= aX2 + b1X1X2 + b2X22 [12-4]

La solución de las ecuaciones 12-2, 12-3 y 12-4 para a, b1 y b2 nos proporcionara los coeficientes del plano de regresión.
Evidentemente, la mejor manera de calcular todas las sumas en estas tres ecuaciones es servirse de una tabla para reunir y
organizar la información necesaria, tal como hicimos con la regresión simple. Hemos hecho esto en el problema del Internal
Revenue Service en la tabla 12-2.

Tabla 12-2 valores para el ajuste del plano de mínimos cuadrados, donde n=10

Y X1 X2 X1Y X2Y X1X2 X12 X22 Y2

(1) (2) (3) (2)x(1) (3)x(1) (2)x(3) (2) 2 (3) 2 (1) 2
29 45 16 1,305 464 720 2,025 256 841
24 42 14 1,008 336 588 1,764 196 576
27 44 15 1,188 405 660 1,936 225 729
25 45 13 1,125 325 585 2,025 169 625
26 43 13 1,118 338 559 1,849 169 676
28 46 14 1,288 392 644 2,116 196 784
30 44 16 1,320 480 704 1,936 256 900
28 45 16 1,260 448 720 2,025 256 784
28 44 15 1,232 420 660 1,936 225 784
27 43 15 1,161 405 645 1,849 225 729
272 441 147 12.005 4,013 6,485 19,461 2,173 7,428

Y X1 X2 X1Y X2Y X1X2 X12 X22 Y2

Y = 27.2
X1 = 44.1
X2 = 4.7
 EMPLEO DE LA ECUACIONES 12-2, 12-3 Y 12-4 AL RESOLVER PARA LAS CONSTANTES a, b 1 y b2

Ahora bien, usando la información de la tabla 12-2 en la ecuaciones 12-2, 12-3 y 12-4, obtendremos tres ecuaciones para
las tres constantes desconocidas (a, b1 y b2), las que denotamos a continuación como 1 , 2 y 3 .

272 = 10a + 441b1 + 147b2 1

12,005 = 441a + 19,461b1 + 6,485b2 2
4,013 = 147a + 6,485b1 + 2,173b2 3
PODEMOS HALLAR LOS VALORES DE LAS TRES CONSTANTES NUMÉRICAS RESOLVIENDO SIMULTÁNEAMENTE
ESTAS TRES ECUACIONES DEL MODO SIGUIENTE:

PASO 1. Se multiplica la ecuación 1 por – 441. Se multiplica la ecuación 2 por 10. Se suma 1 a 2 . Este
proceso elimina a la constante a y genera la ecuación 4

1 X (-441): -119,952= -4410a -194,481b1 -64,827b2.

2 X (10) : 120,050= 4410a +194,610b1 +64,850b2__
4 : 98= 129b1+ 23b2

PASO 2: Se multiplica la ecuación 1 por -147 y la ecuación 3 por 10. Se suma 1 a 3 . Este proceso elimina la
constante a y genera la ecuación 5 .

1 X (-147): -39,984= -1470a – 64,827b1 -21,609b2

3 X 10 : 40,130= 1470a + 64,850b1 +21,730b2
5 : 146= 23b1+ 121b2

PASO 3. Se multiplica la ecuación 4 por -23 y la ecuación 5 por 129, se suma 4 a 5 para eliminar b1. Este
procedimiento genera la ecuación 6 , que puede resolverse para b2:

4 X (-23): -2.254= -2,967b1 - 529b2

5 X (129): 18,834= 2,967b1 +15609b2
6 : 16,580= 15,080b2
b2= 1.099

PASO 4. Se encuentra el valor de b, sustituyendo el valor para b2 en la ecuación 4 :

4 : 98= 129b1 +23b2

98= 129b1 +(23)(1.099)
98= 129b1 +25.277
72.723= 129b1

b1= .564

PASO 5. Se sustituyen los valores de b1 y b2 en la ecuación 1 para determinar el valor de a:

1 : 272= 10a +441b1 + 147b2

272= 10a + (441)(.564) + (147)(1.099)
272= 10a +248.724 + 161.553
-138.277=10a

a= -13.828
PASO 6. Se sustituyen los valores de a, b1 y b2 en la ecuación general de regresión de dos variables (ecuación 12-1). La
ecuación resultante 7 describe la relación entre el número de horas de trabajo en auditoria de campo, el número de horas
de computadora y el impuesto no pagados descubiertos por el departamento de auditoria.

Y= a + b1X1 + b2X2

7 : Y= -13.828 + .564X1 + 1.099X2

USO DE LA ECUACIÓN DE REGRESIÓN MÚLTIPLE PARA HACER LA ESTIMACIÓN.

El departamento de auditoria puede emplear esta ecuación mensualmente para estimar la cantidad de impuestos no
pagados se descubrirá.
Supóngase que el Internal Revenue Service quiere incrementar sus descubrimientos el mes entrante. Puesto que los
auditores expertos escasean, no proyecta contratar personal adicional. Así pues, el numero de horas de trabajo en auditoria
de campo se conservará en el nivel del mes de octubre: aproximadamente: 4,300 horas. Pero a fin de incrementar sus
descubrimientos de impuestos no pagados, en Internal Revenue Service espera acrecentar el número de horas de
computadora a unas 1,600 horas.
En consecuencia:

X1=43 4,300 horas de trabajo en auditoria de campo

X2= 16 1,600 horas de tiempo de computadora.

Sustituyendo estos valores en la ecuación 7 , obtenemos:

Y= -13.828 + .564X1 + 1.099X2 7

= -13.828 + (.564)(43) + (1.099)(16)
= -13.828 + 24.252 + 17.584
= 28.008 descubrimientos estimados de $28,008,000

Por tanto, en el pronóstico de noviembre, la división de auditoria puede anunciar que espera cerca de $28 millones de
descubrimientos con esta combinación de factores.

Hasta aquí nos hemos referido a la constante b1 y b2 como las pendientes de la línea de regresión múltiple, pero,
para ser más precisos, deberíamos decir que las constantes numéricas son los coeficientes estimados de la regresión. La
constante a es el valor de Y (en este caso, los impuestos no pagados estimados) si tanto X1 como X2 son casualmente cero.
Los coeficientes b1 y b2 describen de que manera los cambios en X1 y X2 afectan el valor de Y. Por ejemplo, en la
ecuación 7 , podemos mantener constante el numero de horas de trabajo de auditoria de campo, X1, y variar el numero de
horas de computadora, X2. Al hacer esto, el valor de Y se incrementará en $1,099,00 por cada 100 horas adicionales de
tiempo de computadora. Asimismo, podemos mantener constante X2 y hallar que, por cada 100 horas de aumento en el
numero de horas de trabajo en auditoria de campo, Y se incrementa en $564,000.