Para un modelo con (k=2) variables, las ecuaciones normales (obtenidas minimizando la suma de cuadrados de residuos) son:
[ \begincases n\hat\beta_0 + \hat\beta_1 \sum X_1 + \hat\beta_2 \sum X_2 = \sum Y \ \hat\beta_0 \sum X_1 + \hat\beta_1 \sum X_1^2 + \hat\beta_2 \sum X_1 X_2 = \sum X_1 Y \ \hat\beta_0 \sum X_2 + \hat\beta_1 \sum X_1 X_2 + \hat\beta_2 \sum X_2^2 = \sum X_2 Y \endcases ]
Problema:
Un investigador quiere predecir el rendimiento académico (Y = puntaje en examen, 0-100) basado en horas de estudio (X₁) y número de horas de sueño (X₂). Datos (n=5):
| Obs | Y | X₁ | X₂ | |----|----|----|----| | 1 | 75 | 4 | 6 | | 2 | 80 | 5 | 7 | | 3 | 65 | 3 | 5 | | 4 | 90 | 6 | 8 | | 5 | 70 | 4 | 6 |
Encuentre la ecuación de regresión: Ŷ = b₀ + b₁ X₁ + b₂ X₂.
Resolver regresión lineal múltiple a mano es un ejercicio que:
Para ejercicios resueltos a mano, recomiendo:
Dominar estos cálculos manuales le dará una base sólida para interpretar cualquier salida de regresión múltiple en el futuro.
¿Listo para practicar? Intente con sus propios datos pequeños y siga estos pasos. ¡La paciencia es clave! regresion lineal multiple ejercicios resueltos a mano
La regresión lineal múltiple (RLM) es un método estadístico para modelar la relación entre una variable dependiente ( ) y dos o más variables independientes (
). Resolver estos ejercicios a mano generalmente implica el uso de álgebra matricial o sistemas de ecuaciones normales para encontrar los coeficientes ) que minimizan el error. Ejemplo Resuelto: Modelo con dos variables independientes Supongamos que queremos predecir la Recaudación ( ) basándonos en el gasto en Publicidad TV ( ) y Volantes ( ). La ecuación estimada es:
ŷ=β0+β1x1+β2x2y hat equals beta sub 0 plus beta sub 1 x sub 1 plus beta sub 2 x sub 2 1. Preparar las sumatorias básicas
Para resolver el sistema sin matrices complejas, primero debes calcular las sumatorias de cada variable y sus productos cruzados: 2. Calcular las sumas de cuadrados corregidas
Se utilizan las desviaciones respecto a la media para simplificar el cálculo de los coeficientes 3. Resolver para los coeficientes de pendiente (
Utiliza las siguientes fórmulas derivadas de las ecuaciones normales:
b1=(SSx2)(SPx1y)−(SPx1x2)(SPx2y)(SSx1)(SSx2)−(SPx1x2)2b sub 1 equals the fraction with numerator open paren cap S cap S sub x sub 2 close paren open paren cap S cap P sub x sub 1 y end-sub close paren minus open paren cap S cap P sub x sub 1 x sub 2 end-sub close paren open paren cap S cap P sub x sub 2 y end-sub close paren and denominator open paren cap S cap S sub x sub 1 close paren open paren cap S cap S sub x sub 2 close paren minus open paren cap S cap P sub x sub 1 x sub 2 end-sub close paren squared end-fraction
b2=(SSx1)(SPx2y)−(SPx1x2)(SPx1y)(SSx1)(SSx2)−(SPx1x2)2b sub 2 equals the fraction with numerator open paren cap S cap S sub x sub 1 close paren open paren cap S cap P sub x sub 2 y end-sub close paren minus open paren cap S cap P sub x sub 1 x sub 2 end-sub close paren open paren cap S cap P sub x sub 1 y end-sub close paren and denominator open paren cap S cap S sub x sub 1 close paren open paren cap S cap S sub x sub 2 close paren minus open paren cap S cap P sub x sub 1 x sub 2 end-sub close paren squared end-fraction 4. Calcular el intercepto ( Una vez obtenidos Para un modelo con (k=2) variables, las ecuaciones
, el intercepto se calcula usando las medias de las variables (
b0=ȳ−b1x̄1−b2x̄2b sub 0 equals y bar minus b sub 1 x bar sub 1 minus b sub 2 x bar sub 2 5. Formular la ecuación final e interpretar Sustituye los valores en la ecuación Ejemplo de interpretación: Si , por cada unidad que aumenta el gasto en TV ( ), la recaudación (
) aumenta en 3.15 unidades, manteniendo constante el gasto en volantes ( Recursos para práctica adicional
Ejercicios de RLM (Academia.edu): Incluye casos prácticos con datos reales de recaudación municipal.
Guía paso a paso en PDF (Scribd): Tutorial detallado para realizar el cálculo manual sin software.
Manual de Econometría (Jaime de Pablo): Un manual completo de ejercicios resueltos paso a paso.
¿Te gustaría que desarrollemos un ejercicio con datos numéricos específicos para ver cómo se aplican estas fórmulas paso a paso? Multiple linear regression with matrices and by hand
Resolver una regresión lineal múltiple a mano es un proceso metódico que requiere organizar los datos en tablas para evitar errores de cálculo. El objetivo es encontrar los coeficientes que mejor ajustan una variable dependiente ( ) a partir de dos o más variables independientes ( Para ejercicios resueltos a mano, recomiendo:
A continuación, se presenta la guía paso a paso para un modelo con dos variables independientes, que es el caso más común para ejercicios manuales. 1. Definir el Modelo y los Datos El modelo estimado tiene la forma:
y hat equals b sub 0 plus b sub 1 cap X sub 1 plus b sub 2 cap X sub 2 es el intercepto y
son las pendientes parciales. Para comenzar, debes tabular tus datos ( ) y calcular las siguientes columnas auxiliares: cap X sub 1 squared cap X sub 2 squared cap X sub 1 cap Y cap X sub 2 cap Y cap X sub 1 cap X sub 2 2. Calcular las Sumas de Cuadrados y Productos Cruzados Utiliza las sumas de cada columna (
) para obtener las variaciones corregidas por la media (denotadas con minúsculas): Variación de cap X sub 1 Variación de cap X sub 2 Producto cruzado cap X sub 1 cap Y Producto cruzado cap X sub 2 cap Y Producto cruzado cap X sub 1 cap X sub 2 3. Resolver los Coeficientes
Aplica las siguientes fórmulas para encontrar las pendientes:
b sub 1 equals the fraction with numerator open paren cap sigma x sub 2 squared close paren open paren cap sigma x sub 1 y close paren minus open paren cap sigma x sub 1 x sub 2 close paren open paren cap sigma x sub 2 y close paren and denominator open paren cap sigma x sub 1 squared close paren open paren cap sigma x sub 2 squared close paren minus open paren cap sigma x sub 1 x sub 2 close paren squared end-fraction
b sub 2 equals the fraction with numerator open paren cap sigma x sub 1 squared close paren open paren cap sigma x sub 2 squared close paren minus open paren cap sigma x sub 1 x sub 2 close paren open paren cap sigma x sub 1 y close paren and denominator open paren cap sigma x sub 1 squared close paren open paren cap sigma x sub 2 squared close paren minus open paren cap sigma x sub 1 x sub 2 close paren squared end-fraction 4. Calcular el Intercepto Una vez obtenidos , usa las medias de las variables ( ) para hallar
b sub 0 equals cap Y bar minus b sub 1 cap X sub 1 bar minus b sub 2 cap X sub 2 bar Ejemplo Práctico (Resumen de Valores) Si tras los cálculos de un ejercicio con obtuvieras:
Al sustituir en las fórmulas, podrías obtener resultados como . Estos coeficientes indican cuánto cambia por cada unidad que aumenta una , manteniendo la otra constante. ¿Te gustaría que apliquemos estos pasos a un conjunto de datos específico que tengas?
Multiple Linear Regression by Hand (Step-by-Step) - Statology 2 Jan 2024 —
