Escolar Documentos
Profissional Documentos
Cultura Documentos
REGRESIN MLTIPLE
Con la Regres. Mltiple nuestra idea es introducir ms variables para intentar
explicar lo que queda por explicar; para ello deberemos ser ms exigentes con R2.
En la clnica es difcil que con una variable slo se pueda predecir otra ( tendra que
existir mucha relacin ). Lo ideal sera tener muchas, aunque luego se pongan unas en funcin
de otras. En el modelo de regresin mltiple hay varias variables independientes ( x1, x2, x3 .....
xp )
Este modelo responde a y = a + b1x1 + b2x2 + ......+ bpxp. De tal forma que ya no ser
una recta, sino un plano o un hiperplano.
Para conseguir la regresin mltiple tambin se utiliza el modelo de mnimos
cuadrados.
Debo plantearme la significacin y la calidad de ajuste del modelo ( igual que en la
regresin simple ) :
Si b = 0, no significativo ( b1 = b2 = b3 ..... = bp = 0) ( Ho )
Si b 0, significativo ( H1, que ser mltiple )
R2
(similar al OR)
Clasificacin
-2LL
(log de la verosimilitud)
REGRESIN NO LINEAL
Existen fenmenos biolgicos donde la relacin no es una lnea recta, as no
existe coeficiente de correlacin de Pearson, pero existe relacin y se puede hacer un
modelo de relacin que no es lineal. Debo plantearme la significacin y la calidad de
ajuste del modelo, y aunque no existe R, s que existe el coeficiente de determinacin :
R2 = Df /Dt 0,05
As puedo hacer varios modelos ( lineales y no lineales ) y elijo el de mayor R 2;
si existe poca diferencia elijo el lineal que es ms fcil de usar que por ejemplo que un
modelo exponencial. Es importante saber que el anlisis multivariante y la regresin
mltiple se hacen siempre en modelos lineales.
Aclaraciones (2004)
Si existe un orden de prioridad entre distintas variables, entonces hablamos de
REGRESIN. Toda la informacin no tiene el mismo nivel de importancia. P.e.,
queremos saber qu pasa con PA, se relaciona con la edad, dosis frmaco,
duracin del tratamiento... lo que quiero saber es el efecto de cada una de ellas
sobre la PA y cul influye ms.
a) Regresin SIMPLE. Existen slo 2 variantes: una variante RESPUESTA
(PA) y otra que influye sobre ella (p.e. dosis de frmaco)
Se representa con una recta: y=a+bx, donde b es el coefiente de la variable
independiente (coeficiente de regresin) y permite estimar el peso que tiene la
variable independiente sobre la dependiente, dicho de otro modo, lo que influye
la dosis de frmaco en los niveles de PA.
El modelo ha de ser:
1. significativo. Se expresa con la f de Snedecor
2. garantizar una buena calidad de ajuste. Se mide con el coeficiente de
determinacin (R). Un modelo es bueno si R es alto (lo ms alto posible),
siendo el mximo 1, debe ser al menos 0,5. Es decir, si R est entre 0,5 y 1
podemos decir que el modelo tiene buena calidad de ajuste.
3. adems hay que saber el intervalo de confianza del coeficiente de la
variable independiente (coeficiente de regresin), o dicho de otra manera, el
intervalo de confianza de b, en y=a+bx.
b) Regresin lineal MLTIPLE. Existen ms de 2 variantes, con distinta
importancia. Hay ms variables independientes que se relacionan con la
dependiente (y).
Entonces hay varios coeficientes de dispersin, uno por cada variable.
Tendremos un modelo global significativo, pero con distintos coeficientes de
dispersin, a su vez con distintos intervalos de confianza y calidades de ajuste.
Para poder utilizar este modelo las variables han de ser CUANTITATIVAS
(medibles) y seguir la distribucin NORMAL (esto quiere decir seguir la
distribucin de Gauss). Este punto es importante porque si no se cumplen estas
dos premisas, estamos usando mal el modelo y el resultado no sera vlido.
Esto que parece tan complicado, en realidad lo hace solito el ordenador. Ese es el
punto de los apuntes SELECCIN DE VARIABLES , donde lo que explica es
las distintas maneras de usar el ordenador para ir seleccionando variables
significativas (hacia delante, hacia atrs), para el final quedarte con un modelo
matemtico que explique la relacin de la PA, con todas las variables que has
considerado (edad, dosis de frmaco, duracin del tratamiento, etc.)
seleccionando las ms significativas, y desechando las que no lo son.