medidas estadisticas bivariantes de regresión

1. regresión lineal simple: estudia los cambios en una variable, lo cual quiere decir que cuando una variable independiente ejerce influencia sobre una variable dependiente, donde x es la variable independiente y Y la variable dependiente.

2. regresión lineal múltiple: determinar la relación entre las variables independientes y dependiente, o variables de predicción y de criterio. El análisis de regresión múltiple permite añadir diversas variables, de modo que la ecuación refleje los valores de un cierto número de variables de predicción, no una sola. El objetivo de esto es mejorar las predicciones de la variable de criterio.

3. SUPUESTO DE MULTIPLICIDAD Los supuestos relativos al término de error en el modelo de regresión simple se aplican también a la ecuación de regresión múltiple. Además, esta última es un modelo que requiere el supuesto adicional de que las variables de predicción no se correlacionan entre ellas

4. Coeficiente de determinación múltiple En el análisis de determinación múltiple ple, la proporción de variación en la variable de criterio que se explica con la covariación de las variables predictivas.

5. COEFICIENTES DE CORRELACIÓN PARCIAL Existen dos cantidades adicionales que se consideran al interpretar los resultados de análisis de regresión múltiple y no se incluyen en el de regresión simple: el coeficiente de correlación parcial y su valor elevado al cuadrado, el coeficiente de determinación parcial.

6. Variable binaría Una a la que se asigna uno de dos valores, 0 o 1, y se usa para representar en forma numérica los atributos o características que no son esencialmente cuantitativos

7. coeficiente de correlación múltiple: En el análisis de regresión múltiple, la raíz cuadrada del coeficiente de determinación múltiple