MEDIDAS ESTADÍSTICAS BIVARIANTES DE REGRESIÓN

1. Regresión logistica

1.1. La regresión logística resulta útil para los casos en los que se desea predecir la presencia o ausencia de una característica o resultado según los valores de un conjunto de predictores.

1.2. Es similar a un modelo de regresión lineal pero está adaptado para modelos en los que la variable dependiente es dicotómica

2. Regresión múltiple (varias variables)

2.1. Utilizamos la regresión múltiple cuando estudiamos la posible relación entre varias variables independientes (predictorias o explicativas) y otra variable dependiente (criterio, explicada, respuesta).

3. Regresión lineal simple

3.1. Nos centraremos en primer lugar, en el caso de que la función que relaciona las dos variables X e Y sea la más simple posible, es decir, una línea recta. Por ello pasaremos a interpretar los coeficientes que determinan una línea recta.

4. Coeficiente de correlación

4.1. El coeficiente de correlación lineal es el cociente entre la covarianza y el producto de las desviaciones típicas de ambas variables. El coeficiente de correlación lineal se expresa mediante la letra r.