Page 183 - EL PROCESO DE INVESTIGACIÓN EN INSTITUCIONES DE EDUCACIÓN EN MÉXICO

regreSIóN lINeAl MúltIPle

Otra aplicación del modelo general lineal (GLM) es el concepto de que la variación de una va-
riable de respuesta puede ser la causa de otras variaciones de variables (relación causa-efecto
multivariada). Cuando Y y el grupo o X son variables continuas y aleatorias, es posible relacio-
narlas considerando el Modelo 5.

EL PROCESO DE INVESTIGACIÓN EN INSTITUCIONES DE EDUCACIÓN EN MÉXICO
Modelo 5
Y = + X + ij
0
i i
Donde: Y = variable afectada; = interceptar; = pendientes de Y debido a X; X = grupo de
i
i
0
variables aleatorias que afectan a Y; y = error aleatorio.
ij
Los métodos paso a paso (Stepwise) se utilizan para el análisis de regresión múltiple y con-
sisten en incluir o eliminar una variable regresora en cada ocasión, evaluando el impacto que
tiene en R y el valor de P del modelo. Como se demostró anteriormente, R tiende a aumentar
2
2
a medida que se incluyen más variables en el modelo, entonces el uso de R ajustado es una
2
alternativa para evaluar el ajuste de un modelo, ya que penaliza el número de variables de re-
gresión incluidas.

Aplicando la regresión lineal múltiple al ejemplo, es posible abordar una relación de causa-efec-
to sobre las características de calidad del forraje de maíz y el rendimiento de leche de las vacas
alimentadas con él.

Programación para obtener modelos de regresión lineal múltiple

*/Utilizar encabezado de la Programación 1/*

*/Método paso a paso hacia adelante considerando P≤0.15/*

Proc Reg;

Data=trabajos;

Outest=est1;
Model ProdLeche=FDN FDA PC DIV MS/selection=FORWARD slstay=0.15 slentry=0.15;

run;

*/Método paso a paso hacia atrás considerando P≤0.15/*

174 Proc Reg;