Regresión Lineal Múltiple - Ejercicio en Excel

[@jcastago]

Muchas gracias por este tutorial que me ha sido de mucha ayuda. Saludos desde Colombia

[@mendozavillanuevawilly9118]

QUÉ GENIAL, NO OLVIDAR HACER LAS PRUEBAS DE NORMALIDAD PARA PODER APLICAR LA REGRESIÓN.

[@PantaseriaBlogs]

Muchas Muchas gracias Esther lo que mi maestro no explico en tres módulos, me lo dejaste claro en 10 minutos

[@frinettguillermo3949]

De nada, me alegra muchísimo que te haya sido de utilidad!

[@eljorhe8815]

¡Muchas gracias!Me has salvado un trabajo de examen

[@luisgarbatimsdta6823]

Mil gracias, estábamos súper atorados con un ejercicio de reactores heterogéneos y por fin salió :'3

[@lalzolar]

Excelente contribución al conocimiento publico. Tienes luz verde para que recomiendes los libros de estadística relacionados con los negocios cuya lectura/estudio mejore la toma de decisiones en este respecto. Gracias. Saludos.

[@akemykitsuneuwu5352]

muchas gracias me salvaste de un proyecto final, gracias a esto pasare la materia.

[@damarissillero2953]

Muchísimas gracias me ayudaste mucho con una tarea que no podía resolver, excelente explicación :)

[@D-Boy20]

Gracias por salvarme en 2022 en plena madrugada en plena exposición

[@franciscovillamarin4902]

Muchas gracias, excelente explicación. Solo lo ultimo no se de donde sacaste, el "4300" y "1600" podrías explicar eso? Respóndeme, gracias.

[@frinettguillermo3949]

+Francisco Villamarin Disculpa la demora al atender tu consulta sobre el video de Regresión Múltiple, los valores de "4300" y "1600", son valores que se asumen en las variables independientes, para obtener el valor de la variable dependiente "Y", en realidad lo único que te ofrece el Excel es la ecuación de regresión múltiple, para tener un valor final "Y", tienes que asumir ciertos valores "X1" y "X2", en mi caso opté por "4300" y "1600", pero tales valores al introducirlos en la ecuación los expresé omitiendo dos ceros porque los datos de la tabla inicial están expresados de esa forma.Es decir que tú bien podrías asumir otros valores como "4600" y "1300" ("46" y "13"), sin embargo debes recordar que de preferencia los valores que asumas para tu ecuación no deben escapar del límite máximo e inferior encontrados en la tabla.

[@jluiscoll]

Utilísimo tu video, muchas gracias por colgarlo y por incluir el enlace a los datos!!!! Solamente he echado en falta una breve explicación de los datos que muestra las diferentes regresiones y los pocos que se muestran en la regresión múltiple.

[@michaelcpower6362]

Muchisimas gracias, me ayudo para una estadística de mi proyecto de tesis🤩

[@asael.m.s.]

perfecto, no hay mejor manera de describir este video

[@katherinevasquez8823]

Muy entendible tu video. Una consulta si no te dan el valor de X en el problema, de qué forma se puede hallar?

[@nicolasvanzandweghe9352]

Buenas noches, se entiende muy bien la explicación. Te consulto lo siguiente, uno cuando realiza un analisis de regresion lineal multiple lo que busca es pronosticar una variable Y en base a dos o más variables independientes X. Mi consulta es como haces para pronosticar lo que va a suceder realmente con los impuestos reales si fijas valores arbitrarios para las variables independientes (43 y 16). Es decir, cual sería el monto de impuestos para noviembre, diciembre, etc? Muchas gracias.

[@frinettguillermo3949]

+Nicolás van Zandweghe Los valores que ha de adoptar una variable X, para que en función de esta obtengamos el valor de la variable Y, no han de ser totalmente arbitrarios. Es más, para este caso en especial, el autor del libro que tomé propone que los valores de X no sean tan alejados del rango de datos, me refiero a que éstos estén contemplados dentro del mínimo y máximo encontrados en la data. Tanto 16 como 43 son valores que corresponden al rango de datos de la variable X, por otro lado, dejando del lado lo que menciona el autor, tendríamos que hacer un análisis extra si deseamos conocer el valor más cercano que X ha de tomar, talvez un pronóstico simple, para en base a ello, sacar el pronóstico de regresión lineal múltiple final. Bueno espero servir de algo con esto. Saludos.

[@nicolasvanzandweghe9352]

+Esther Frinett Guillermo Huayaney muy clara tu respuesta. Te hago otra consulta, que te dice el nivel del confianza en 95%? Muchas gracias, Saludos.

[@frinettguillermo3949]

+Nicolás van Zandweghe Disculpa responderte recién. Bueno yo considero que tanto en estadística, como en administración de negocios trabajamos con probabilidades, por admitir que existe cierto grado de riesgo en las decisiones que tomamos, son pocas las situaciones que admiten una certeza. Es precisamente esto lo que se traduce a niveles de confianza; un nivel de 95%, reconoce que existe una probabilidad de 95 entre 100 casos que sea como lo estás previendo.

[@anaidbenitez3219]

Muchas gracias!!!! No sabes! Me ayudaste un montón a entender esto. Gracias!

[@eduardorhaicordovafloriano4855]

Muchas gracias por la explicación, concisa y breve

[@arleydavidcelisvargas9119]

Gracias por la explicación. Un abrazo.

[@allangrijalva1782]

Increíble tu explicación! Muchas gracias !

[@sergiogarzon8422]

Muchas gracias por tan magnífica explicación !!

[@frinettguillermo3949]

Me alegra muchísimo haberte sido de ayuda!

[@AmongUs2DescargarAmongUs]

hola, excelente video, pero una duda, en un ejercicio de regresion lineal cuento con 1 variable dependiente y 4 variables indepedientes, se identifica que 2 de las variables independientes ofrecen datos redundates, ya que al momento de realizar la regresion lineal cuentan con una probabilidad mayor a 0.05, por lo cual se intuye a eliminar, al momento de eliminar una de estas variables el R2 ajustado aumenta y junto a ello tambien F, pero al momento de eliminar ambas variables redundantes el R2 es menor que cuando se elimina uno solo, pero el valor de F aumenta, en este caso que regresion lineal utilizariamos considerariamos para realizar nuestra ecuacuion de regresion lineal

[@juanrafaelvenegasfontivero1217]

excelente!!! te felicito, muchas gracias!!!

[@lilianavazquez2228]

Te felicito por tu video. Saludos. Excelente explicación.

[@everhuamani6780]

calla mierda

[@nicolasdelafuente4801]

Tengo una consulta, vi tu video para refrescar la memoria. El R2 "normal" o el R2 ajustado, tienen alguna funcion dentro de la ecuacion? o es solo un parametro que nos indicaba el nivel de explicacion del modelo?, me quedo la duda cuando mencionaste que nos quedabamos con el ajustado por que era mas bajo. quedo atento. saludos

[@alexandergarcia381]

Muchas Gracias!! Podrías subir un vídeo en el cual, a razón de dos modelos de regresión lineal múltiple, debamos elegir cual modelo usar, por medio del procedimiento de eliminación hacia atrás y de esta manera optar por el modelo que mejor se ajuste a las variables consideradas? Saludos...

[@frinettguillermo3949]

+Johnnatan Garcia Se agradece tu visita, respecto a lo mencionado, trataré en lo posible de poder realizar el video una vez concluidos algunos asuntos pendientes en el trabajo. Saludos!!

[@cuencamartinezalanisaac9113]

NUEVO SUB, MUCHAS GRACIAS

[@sharithagudelo7971]

me podrias ayudar con este ejercicio? porfavor! 16. Las estaciones de policía de todo el país están interesadas en predecir el número de arrestos que pueden esperar procesar cada mes para programar mejor a los empleados de la oficina. Históricamente, el número promedio de arrestos (Y) cada mes está influenciado por el número de oficiales en la fuerza policial (X1), la población de la ciudad en miles (X2) y el porcentaje de personas sin empleo en la ciudad (X3). Los datos para estos factores en 15 ciudades se presentan a continuación. -) Utilizando cualquier paquete de computadora disponible, determine la ecuación de regresión que mejor se ajuste a estos datos. -) ¿Qué porcentaje de la variación total en el número de arrestos (Y) se explica en esta ecuación? -) El departamento de policía de ChapelBoro está tratando de predecir el número de arrestos mensuales. ChapelBoro tiene una población de 75,000 habitantes, una fuerza policial de 82 y un porcentaje de desempleo del 10.5 por ciento. ¿Cuántos arrestos predices para cada mes?

[@joaquincatalan3905]

Hola! cual sería la desviación estandar para cada x? Saludos

[@josecarlosestuardocastroro3127]

amiga la interpretación y la predicción?

[@miguelangelpatinoantonioli6297]

Estimada Esther, muy bueno el análisis, pero si llevas el análisis a la Inferencia poblacional, se verifica que el único regresor que realmente aporta es solo X2, las horas de computadora, por o que concluyo que el modelo múltiple no sirve, solo sirve el X2 con Y....que el R2 haya salido mayor en la múltiple es solo a nivel descriptivo...por favor espero tu respuesta

[@frinettguillermo3949]

+Miguel Angel Patiño Antonioli Me resulta realmente grato que hayas podido ver y entender este pequeño video. A mi manera limitada de entender las cosas, el modelo de Regresión Lineal Múltiple intenta representar la realidad empírica en la que muchas veces no existen solo variables "X" y "Y", sino que la variable dependiente "Y" responde a más de una variable causal "X", pudiendo haber más variables involucradas o interviniendo algunas en menor o mayor grado que otras. Para este caso especial presentado en el video, puede que hayas podido identificar que el aporte brindado no justifica el uso del modelo de Regresión Lineal Múltiple. Pero no le niegues otros usos y otras oportunidades a este modelo.

[@lilichois]

​@@frinettguillermo3949 Sin embargo lo que te indica +Miguel Angel Patiño Antonioli es que estadisticamente el modelo esta incorrecto porque el (P-value o en excel probabilidad) se encuentra muy alto (0.3 y 0.1)

[@JeseArmando]

Excelente explicación muchas gracias.

[@frinettguillermo3949]

+Jese Armando Molina Gutierrez Me alegra haberte servido de algo.

[@axelfernando2261]

A si va a ser flaquita? pensé que en el link ya estaba todo el trabajo que mostraste

[@josebarahona7191]

Excelente explicación ¿como obtengo la relación que existe entre cada una de las variables independientes con la dependiente y la influencia de cada una

[@Alejaccx]

Esto se hace con un umbral que tú indiques, si por ejemplo, dices que están relacionadas si tienen un valor de 0.8 para arriba, entonces así puedes discriminar.

[@Johkbeycar]

Muchas gracias por la explicación :D

[@dennisronaldvargascalcina641]

gracias mi amor :v me ayudaste mucho

[@estefaniasantanagarcia6553]

Hola! Me parece que tienes mucho talento en este tema. Soy estudiante y tu video me ha ayudado bastante. Solo una pregunta, Basado en tu ejemplo si quiero calcular cuantas horas de trabajo de auditoria hubiera si en variable y tienes 40 millones y en x2 18 horas en computadora. De que manera le das solución? Saludos desde Jalisco, México! :)

[@elizabethvazquez989]

Gracias! Fue muy útil!! ;)

[@edgararanda2863]

Excelente explicación

[@matiasfuentesopazo9289]

tremendo video, super claro

[@benjaminmendoza3999]

Gracias ! 🤓

[@marissavargasramirez1819]

Gracias, buen aporte

[@vemoms]

Si en la ecuación lineal es valido que entre la variable de pendiente y pendiente en lugar de tener signo positivo sea negativo?

[@rodrigoha7628]

que pasaria si tuviera 2 variables dependientes en vez de 1

[@dr.luis.espinosa]

Hola! muchas gracias por la clase. Me compartes un librito de estadística? :D

[@FORVENDETTAFOR]

Hola una pregunta por que 43 y 16 de donde sacas ese numero de la media ??? Gracias por tu respuesta

[@ahernandez1016]

A 3 años de tu pregunta. Me sigo preguntando lo mismo, ya que dice "asumiendo" pero no queda claro el porque asume. Ojalá y algún día responda.

[@FORVENDETTAFOR]

@@ahernandez1016 Ya hasta a mi se me olvidó que respondiera 🤣

[@martrow7936]

Que pasa cuando el r ajustado de ambas variables me da menor que r ajustado de cada variable por separado?

[@TheSHADOWR]

Hola Percibo que este modelo no me permite hacer pronósticos para la variable dependiente a menos que conozca de antemano los valores de las variables independientes. Conoces un método para pronosticar una variable dependiente de varias variables, pero donde obvio no conoces los valores de las variables independientes de antemano, pero si posees una serie de tiempo de estas variables? Saludos

[@cesarsanchez9206]

hola buenas tardes, en libros encontrato una formula donde añaden una variable de error al final de sumar Regresor*variablesIndependientes y =f(x_1,…,x_k )+E

[@gonzalopez7051]

Se puede hacer un modelo log log igual que al del video?

[@franciscoarango1901]

Hola Esther, resulta que tengo un R2 de 0.4 lo cual me resulta muy mal, tu sabrías como optimizar la regresión??? es decir puede que las variables independientes puedan tener algún cociente, logaritmo, no se alguna otra función que me pueda mejorar ese R2. Gracias

[@krystelmaciasmoncayo6264]

Alguien sabe como puedo identificar el rango de entrada y salida cuando hay muchas cantidades?

[@EdwinCarrasco_]

ese es el office profesional me imagino.

[@josejorgemunoz]

Creo que debes tener en cuenta que estadísticamente sólo se acepta la variable X2 independiente ya que en el análisis de la regresión tanto múltiple como individual la intercepción y la variable X1 resultaron no significativas estadísticamente con un P-value > 0,05

[@marcobanda5984]

Sería importante revisar tus valores p, si quisieras un nivel de confianza del 95% tu modelo no sería bueno

[@alexanderleyvagarcia6389]

como puedo sacar la prueba de hipótesis

[@tania9698]

Gracias.💙

[@fer6766]

Hola, tengo una consulta, espero alguien pueda ayudarme, que significa que mi R^2 ajustado de negativo?

[@pedrovillavicencio4311]

porque 4300 y 1600?

[@frinettguillermo3949]

Estimado Pedro, los valores de "4300" y "1600", son valores que se asumen para las variables independientes (es decir que podrían asumirse otros valores, para que en función de ellos se hallen valores para la variable dependiente, para este caso en especial, se plantea usar los valores de 4300 y 1600). Tú bien podrías asumir otros valores como "4600" y "1300" ("46" y "13" si omitimos los dos ceros para el tratamiento de datos), sin embargo debes recordar que de preferencia los valores que asumas para tu ecuación no deben escapar del límite máximo e inferior encontrados en la tabla.

[@nicoledelacouri6515]

Tus coeficiente R2 no tiene buen grado de ajuste y tu R2 ajuste no tiene buena prediccion.

[@carloshernandezburgos5239]

Sin querer hiciste un asmr

[@frinettguillermo3949]

Cómo así?

[@danydaniel2.082]

Quisiera ser tu alumno hermosa 😍

[@ashvelthecousin]

y el gráfico? Si haces haz bien