Modelo de Registro Lineal

Supone obtener

Los coeficientes que caracterizan al mismo

en el caso de un modelo de regresión lineal simple, B0 y B1

Aplica un procedimiento de cálculo

permitiendo obtener los coeficientes de la ecuación vde

la línea recta que represente la distribución conjunta de las variables modeladas

EJEMPLO

Para los test pares de valores en las variables X, Y representados gráficamente a continuación se han puesto 4 posibles rectas de regresión

Un criterio de ajuste supone considerar la ecuación de regresión que dé lugar a un menor error en las predicciones

Se puede considerar diferentes procedimientos a la hora de hacer operativa la evaluación de cantidad de errores de predicción

La tabla pequeña al lado de la gráfica muestra la diferencia entre el uso de tres métodos a la hora de evaluar la magnitud de los errores en la predicción de un modelo de regresión

¿Cuál sería la recta de regresión que elegiríamos como mejor?

La bondad de ajuste de un modelo de regresión se refiere

Al grado en que este es conveniente como modelo que representa a las variables implicadas en el mismo

Así puede ocurrir que la distribución conjunto de 2 variables sea difícil de modelar, debido a la inexistencia de relación entre las variables

Subtopic

EJEMPLO

La relación entre los dos pares de variables X1-Y1 y X2-Y2, dos diagramas de dispersión

veremos a continuación

Existen diferentes aproximaciones en la evaluación de la bondad del ajuste de un modelo a la realidad que ese modelo pretende presentar

La suma de cuadrado de los residuos puede oscilar entre 0

Si este sumatorio da 0, el modelo de regresión se ajusta perfectamente a los datos

Cuanto mayor sea su valor. significará que más erróneas son las predicciones

Por lo tanto, peor su bondad como modelo predictivo

A través de un modelo formal que cuenta con una expresión lógico matemática y permite realizar predicciones de los valores que toma una de las dos variables

Una de las variables se asume como

"Variable de respuesta"

Dependiente de criterio

Y

La otra variable se asume como

"Variable explicativa"

Independiente de criterio

X

Es el modelo más utilizado

A la hora de predecir los valores de una variable cuantitativa

Permite considerar más de una variable explicativa cuantitativa

Modelo de regresión lineal

Las puntuaciones de los sujetos en dos variables

Variable predictora

(X)

Variable de respuesta

(Y)

EJEMPLO

A fin de modelar la distribución conjunta de las variables "estrategias de afrontamiento" y "estrés"

Los dos parámetros de la ecuación de regresión lineal simple son conocidos como el origen y la pendiente del modelo

Reciben el nombre de coeficientes de la ecuación de regresión B0 y B1.

Una vez sean conocidos los valores de B0 y B1 del modelo de regresión lineal simple, este puede ser utilizado como modelo predictivo

Esto para realizar predicciones de los valores de la variable explicativa