1. El Análisis de Regresión Lineal Múltiple nos permite establecer la relación que se produce entre una variable dependiente Y y un conjunto de variables independientes (X1, X2, ... XK).
1.1. Este tipo se presenta cuando dos o más variables influyen sobre una variable dependiente. Ejemplo: Y = f (x, w, z).
1.2. la serie de variables que, directa e indirectamente, participan en su concreción.
1.2.1. La anotación matemática del modelo o la ecuación de la regresión lineal múltiple es la que sigue:
1.2.1.1. Y = a + b1x1 + b2x2 + ... + bnxn + e ó presente = a + b1pasado + b2futuro + e
2. Clases de regresión
2.1. La regresión puede ser lineal y curvilínea o no lineal
2.1.1. pueden ser a su vez
2.1.1.1. Coeficiente de Regresión
2.1.1.1.1. Indica el número de unidades en que se modifica la variable dependiente "Y" por efecto del cambio de la variable independiente "X" o viceversa en una unidad de medida.
2.1.1.2. Clases de coeficiente de regresión:
2.1.1.2.1. El coeficiente de regresión puede ser: Positivo, Negativo y Nulo.
3. yorlady ortiz grajales
4. Análisis de Regresión Múltiple
4.1. son los datos marcados en las Estadísticas de la regresión,
4.1.1. Coeficiente de correlación múltiple: = 0,95804402 Coeficiente de determinación R ^ 2: = 0,917848345 R ^ 2 ajustado: = 0,897310431 Error típico: = 765,9173652
4.2. El cálculo mostrado para el coeficiente de correlación múltiple (R) será la raíz cuadrada del coeficiente de determinación R ^ 2
4.2.1. R ^ 2 ajustado y el R ^ 2 'normal' debe ser un valor entre 0 y 1 .. cuanto más próximo a 1 mejor reflejaría una correlación