Estadística.

FBA I 2011-2012
Extensiones del modelo de regresión

EXTENSIONES DEL MODELO DE REGRESIÓN

1. Regresión exponencial

2. Regresión polinómica

3. Regresión con variables cualitativas

M. Carmen Carollo, Beatriz Pateiro Página 1

 Estadística. FBA I 2011-2012
Extensiones del modelo de regresión

1. Regresión exponencial

Al tratar de explicar (o predecir) la variable Y a través de una covariable X puede ocurrir que la relación no
sea lineal. La regresión exponencial se utiliza cuando podemos asumir que la relación entre ambas
variables es del tipo:
=Y β 0 e β1 X + ε

En este caso el ajuste se puede reducir a una simple regresión lineal ya que si la relación (X,Y) es
exponencial , entonces (X , Ln(Y)) es lineal:
ln(Y ) =β 0 + β1 X + ε

Podemos entonces ajustar un modelo lineal tomando X como covariable y ln(Y) como variable respuesta.

Ejemplo: Estamos interesados en establecer la relación que existe entre la reacción a un estímulo (variable
dependiente) y el tiempo de exposición a ese estímulo (variable independiente o covariable). Para ello
disponemos de 14 observaciones.

M. Carmen Carollo, Beatriz Pateiro Página 2

 Estadística. FBA I 2011-2012
Extensiones del modelo de regresión

Si construimos el diagrama de dispersión, vemos que puede ajustarse por una curva (función exponencial)

M. Carmen Carollo, Beatriz Pateiro Página 3

 Estadística. FBA I 2011-2012
Extensiones del modelo de regresión

Si ajustásemos los datos mediante una regresión lineal tendríamos:

ˆ = 3, 70 − 0, 75tiempo
estím

Aunque el grado de ajuste es bueno , el tiempo explica el 78,1% de la variabilidad de la respuesta al

estímulo, el ajuste puede mejorarse utilizando un ajuste exponencial. Dijimos que este ajuste es
equivalente a ajustar por una regresión lineal los pares:

( ln(Y) , X)

M. Carmen Carollo, Beatriz Pateiro Página 4

 Estadística. FBA I 2011-2012
Extensiones del modelo de regresión

=
ln(estimulo ) 1, 68 − 0,33tiempo

Entonces el modelo ajustado es:

estímulo = 5,38e −0,33tiempo con =

2
R 0,93 > 0, 781

Este proceso puede hacerse directamente con el SPSS de la siguiente forma:

M. Carmen Carollo, Beatriz Pateiro Página 5

 Estadística. FBA I 2011-2012
Extensiones del modelo de regresión

Analizar / Regresión / Estimación Curvilínea...

Dependiente : estímulo Independientes : tiempo
Modelo : Exponencial

El SPSS nos devuelve la siguiente tabla:

M. Carmen Carollo, Beatriz Pateiro Página 6

 Estadística. FBA I 2011-2012
Extensiones del modelo de regresión

Resumen del modelo y estimaciones de los parámetros

Variable dependiente:respuesta al estímulo

Estimaciones de los
Resumen del modelo parámetros
Ecuación R cuadrado F gl1 gl2 Sig. Constante b1
Lineal ,781 42,859 1 12 ,000 3,696 -,375
Exponencial ,930 158,997 1 12 ,000 5,384 -,333
La variable independiente es el tiempo.

El modelo ajustado es:

estímulo = 5,38e −0,33tiempo

M. Carmen Carollo, Beatriz Pateiro Página 7

 Estadística. FBA I 2011-2012
Extensiones del modelo de regresión

2. Regresión polinómica

En muchas situaciones, la relación entre dos variables continuas X e Y no se puede expresar a través de una recta sino que
es necesario utilizar otro tipo de funciones, como por ejemplo polinomios de mayor orden (archivo datos_NL.sav)

Con la regresión polinómica e trata de predecir la variable Y a través de un polinomio en X.

Y = β 0 + β1 X + β 2 X 2 + ... + β p X p + ε

Casos particulares:

P=1 Recta de regresión

P=2 Regresión cuadrática

P=3 Regresión cúbica

El ajuste se hace de la misma forma que en el caso de una recta, es decir, utilizando el método de mínimos cuadrados. En
este caso, se minimiza la distancia a la gráfica que rige el modelo.

M. Carmen Carollo, Beatriz Pateiro Página 8

 Estadística. FBA I 2011-2012
Extensiones del modelo de regresión

Ejemplo: Estamos interesados en establecer la relación que existe entre la variable Ycub y la variable Xcub del archivo de
datos datos_NL.sav.

Dibujamos primero el diagrama de dispersión y vamos haciendo ajustes. Vemos que el ajuste cúbico mejora mucho a los
ajustes lineal ó cuadrático.

M. Carmen Carollo, Beatriz Pateiro Página 9

 Estadística. FBA I 2011-2012
Extensiones del modelo de regresión

Decidimos entonces realizar un ajuste cúbico, es decir, ajustamos un modelo de la forma:

Y =β 0 + β1 X + β 2 X 2 + β3 X 3

Las estimaciones de los parámetros del modelo se pueden obtener, de la misma forma que
se hace para una recta, en:

Analizar / Regresión / Estimación curvilínea / Cúbica

Para nuestro caso obtenemos la siguiente tabla:

Resumen del modelo y estimaciones de los parámetros

Variable dependiente:Ycub

Resumen del modelo Estimaciones de los parámetros

R
Ecuació cuadrad
n o F gl1 gl2 Sig. Constante b1 b2 b3
Lineal ,172 41,154 1 198 ,000 1,206 -,670
Cúbico ,693 147,373 3 196 ,000 -,049 -1,922 3,080 1,996
La variable independiente esXcub.

El modelo ajustado es pues: Yˆ =

−0, 05 − 2 X + 3 X 2 + 2 X 3

M. Carmen Carollo, Beatriz Pateiro Página 10

 Estadística. FBA I 2011-2012
Extensiones del modelo de regresión

3. Regresión con variables cualitativas

Puede ocurrir que en la variable respuesta (Y) , además de las covariables (variables contínuas), influyan variables de tipo
cualitativo como por ejemplo el sexo, realizar o no ejercicio físico, etc. Estas variables (atributos o factores) deberían
tenerse en cuenta a la hora de encontrar el modelo de regresión.

Ejemplo: Supongamos que queremos predecir la tensión arterial teniendo en cuenta la edad y el sexo. Tenemos dos
variables explicativas, X= edad (covariable) y el sexo (factor) que en este caso tiene dos modalidades hombre y mujer.

En este caso, para ajustar un modelo de regresión, debemos introducir una nueva variable (variable artificial):

Z = 0 si es hom bre (categoría de referencia )


 1 si es mujer

El modelo a ajustar es ahora:

Modelo : Y =β 0 + β1 X + β 2 Z + ε

El coeficiente β mide el efecto incremental en la tensión cuando la edad aumenta en 1 año y el sexo es el mismo.
1

El coeficiente β 2 mide el efecto incremental que produce ser mujer con respecto a ser hombre cuando la edad es la
misma.

M. Carmen Carollo, Beatriz Pateiro Página 11

 Estadística. FBA I 2011-2012
Extensiones del modelo de regresión

Procediendo como es usual en la regresión tenemos:

Variables introducidas/eliminadas

Variables Variables
Modelo introducidas eliminadas Método
a
1 sexo, edad . Introducir

a. Todas las variables solicitadas introducidas.

Resumen del modelo

Model R cuadrado Error típ. de

o R R cuadrado corregida la estimación
1 ,803a ,645 ,635 11,167
a. Variables predictoras: (Constante), sexo, edad

a
Coeficientes

Coeficientes
Coeficientes no estandarizados tipificados

Modelo B Error típ. Beta t Sig.

1 (Constante) 102,962 4,485 22,957 ,000
edad ,982 ,090 ,802 10,922 ,000
sexo ,980 2,695 ,027 ,364 ,717

M. Carmen Carollo, Beatriz Pateiro Página 12

 Estadística. FBA I 2011-2012
Extensiones del modelo de regresión

El modelo ajustado sería entonces:

Tensión =
102,96 + 0,982edad + 0,98sexo

Observemos que el sexo no influye de manera significativa.

¿Cómo se interpretarían los parámetros?

El coeficiente asociado a la edad nos indica que la tensión (en media) aumenta 0,982 cuando la edad aumenta en un año
siendo el sexo el mismo. Si el coeficiente del sexo fuese significativo nos indicaría que la tensión (en media) aumenta 0,98
para las mujeres con respecto a los hombres ( para una misma edad).

M. Carmen Carollo, Beatriz Pateiro Página 13