Análisis de Regresión y Correlación en Estadística

Regresión lineal

Probabilidad que ocurra un suceso R2 ajustado: corrige la sobreestimación

Cuanto mas variables mas valores perdidos tendré Regresiónlineal multiple reajustado: explican la varianza, es lineal porque difiere de 0 Unidad de análisis de contenido: unidad externa, mediante comunicación para mejorar el proceso. En la regresión la sobreestimación de la R2 es consecuencia de muchas variables escalares

La diferencia de la R2 y la R2 ajustada es: se debe a exceso de pérdida de muestra o exceso de variables independientes. Análisis de redes sirve: evolución comics, redes terroristas (todas). En la regresión logística mujer1 hombre0 si la exponencial B es 1,5 se puede afirmar que las mujeres tienen mejor salud …a menos que haya una modificación significativa si. La R2 ajustada evita sobreestimación. CONSTANTE: recta que corta B cantidad que aumenta una variable dependiente por cada unidad que aumenta la variable independiente Pearson mide la relación entre 2 variables. Tablas de contingencia solo variables nominales y ordinales chi y rho spearman. Tecnicas de dependencia interdependencia corresponden a patrones de comportamiento de la muestra. Cluster: busca tipología Rango diferencial: valor máximo y mínimo. Desviación típica mide distancia observación con respecto a la media

ÍNDEX: Mesura obtinguda per l’agrupació adequada de diversos indicadors i que es manipulen a partir d’operacions numèriques (estrategia empirico numérica)

Análisis de contenido: És un procés per identificar el sentit de dades qualitatives.

R cuadrado (coeficiente de determinación): Mide la proporción de la varianza de la variable dependiente explicada por las variables independientes en conjunto. Se calcula elevando al cuadrado la R múltiple. Va de 0 a 1. 1 = las variable independientes predicen perfectamente la VD. 0 = no hay relación lineal entre las VI’s y la VD.

R cuadrado ajustada: Corrige la sobre estimación de R² al tener en cuenta el número de VI’s y el tamaño de la muestra. Se tiene en cuenta cuando las diferencias mostradas son grandes.

Error típico de la estimación: Parte de la variabilidad que no es explicada por la recta de regresión

B: Indica el número de unidades que aumenta la variable dependiente por cada unidad que aumenta la VI. Si la regresión es múltiple significa el número de unidades que aumenta la VD por cada unidad que aumenta la VI, manteniendo constantes todas las demás variables independientes de la ecuación.

Constante: El valor en el que la recta de regresión corta el eje de ordenadas.

Beta: Coeficiente estandarizado. Para valorar la importancia relativa de cada VI dentro de la ecuación. (tiene en cuenta las desviaciones típicas)

Correlación de orden cero: Relación entre la VD y la VI correspondiente. Cuando no se controla por ninguna variable.

Correlación parcial: La correlación entre la VD y la VI cuando todos los efectos lineales de todas las variables independientes han sido eliminados de la variable dependiente y de la variable independiente (que estudiamos).

También puede definirse como: la relación entre 2 variables tras eliminar de ambas el efecto de terceras variables.

Correlación semiparcial: Grado de relación entre la VD y la parte de cada VI que no está explicada por el resto de VI’s

Existe colinealidad cuando algunas variables independientes están correlacionadas entre sí.

Se mide con la “Tolerancia”: la proporción de varianza no explicada por otras variables. Cuanto más alta es, más independiente es la variable independiente respecto a las otras variable independientes. (Se habla de un mínimo nivel de tolerancia de 0,8).

REGRESIÓN LOGÍSTICA: VARIABLE DEPENDIENTE DUMMY Se predice la probabilidad P (Y) de que la VD presente uno de los valores posibles (1 o 0) en función de los valores de las VI

REGRESIÓN JERÁRQUICA: Permite generar modelos teóricos independientes (y acumulativos) y observar la mejora (o no) en la capacidad explicativa de las variables independientes añadidas al modelo.