Universidad Católica Boliviana "San Pablo"

UNIVERSIDAD CATÓLICA BOLIVIANA “SAN PABLO” MARCO TEÓRICO CRISTIAN VASQUEZ PELOZA 40 Donde : Yt: Variable dependiente, explicada o regresando. X1, X2… Xp: Variables explicativas, independientes o regresores.  0,  1,  2…  p : Parámetros, miden la influencia que las variables explicativas tienen sobre la variable explicada , donde  0 es la intersección o término "constante", las  >  son los parámetros respectivos a cada variable independiente, y p es el número de parámetros independientes a tener en cuenta en la regresión. La regresión lineal puede ser contrastada con la regresión no lineal. Para poder crear un modelo de regresión lineal es necesario que se cumpla con los siguientes supuestos: 1. Que la relación entre las variables sea lineal. 2. Que los errores en la medición de las variables explicativas sean independientes entre sí. 3. Que los errores tengan varianza constante. 4. Que los errores tengan una esperanza matemática igual a 0. 5. Que el error total sea la suma de todos los errores. La Regresión Lineal permite trabajar con una variable a nivel de intervalo o razón. De la misma manera, es posible analizar la relación entre dos o más variables a través de ecuaciones, lo que se denomina Regresión Múltiple o Regresión Lineal Múltiple. Constantemente en la práctica de la investigación estadística, se encuentran variables que de alguna manera están relacionadas entre sí, por lo que es posible que una de las variables puedan relacionarse matemáticamente en función de otra u otras variables. Maneja varias variables independientes. Cuenta con varios parámetros. Se expresan de la forma: Y  =  0 + Ʃ  p Xp  +  (16) Donde  es el error asociado a la medición  del valor Xp  y siguen los supuestos de modo que  tenga una media igual a 0