¿Qué significa una regresion lineal negativa?

Cuando “r” es negativo, ello significa que una variable (ya sea “x” o “y”) tiende a decrecer cuando la otra aumenta (se trata entonces de una “correlación negativa”, correspondiente a un valor negativo de “b” en el análisis de regresión).

¿Qué sucede si el modelo de regresión tiene variables que no son significativas?

Normalmente, eliminará las variables explicativas de su modelo si no son estadísticamente significativas. Sin embargo, si la teoría indica que una variable es muy importante, o si una variable específica es el enfoque de su análisis, puede conservarla incluso si no es estadísticamente significativa.

¿Qué es el modelo de regresión?

El modelo de regresión se suele utilizar en las Ciencias Sociales con el fin de determinar si existe, o no, relación causal entre una variable dependiente (Y) y un conjunto de otras variables explicativas (X). Asimismo, el modelo busca determinar cuál será el impacto sobre la variable Y ante un cambio en las variables explicativas (X).

¿Cuáles son las dificultades de un modelo de regresión?

Una de las dificultades de R-cuadrado es que solo puede aumentar a medida que se agregan predictores al modelo de regresión. Este aumento es artificial cuando los predictores no mejoran el ajuste del modelo. Para remediar esto, una estadística relacionada es R-cuadrado ajustado, incorpora los grados de libertad del modelo.

¿Cómo ajustar un modelo de regresión múltiple?

Sin embargo, cuando quieres ajustar un modelo de regresión múltiple (i.e. múltiples variables explicativas) es más sencillo que evalúes el ajuste del modelo mediante los gráficos de residuos.? Voy a referirme tan solo a los 2 gráficos diagnósticos principales que se suelen realizar con los residuos del modelo:

¿Cómo elegir el modelo de regresión que debes aplicar a tus datos?

Al final de la entrada veremos un esquema donde se resume todo lo que te he contado. Para elegir el modelo de regresión que debes aplicar a tus datos debes primero tener en cuenta el modelo más sencillo, el modelo de regresión lineal (LM).