Análisis de regresión

Utilice un análisis de regresión para describir la relación estadística entre uno o más predictores y la variable de respuesta y para predecir nuevas observaciones.

Para agregar resultados de un análisis de regresión, vaya a Agregar y completar un formulario.

Regresión de los mejores subconjuntos

Utilice la regresión de los mejores subconjuntos para comparar diferentes modelos de regresión que contengan subconjuntos de los predictores que se especificaron.

Por ejemplo, un analista de una tienda minorista desea predecir el volumen de ventas. Los predictores son tráfico, población, ingreso promedio y competidores directos cercanos a la tienda. El analista utiliza la regresión de los mejores subconjuntos para identificar el conjunto de predictores que ofrece la mejor predicción del volumen de ventas. Para ver un ejemplo consulte la Ayuda de Minitab: Ejemplo de Regresión de los mejores subconjuntos.

Consideraciones acerca de los datos

Los datos deben ser un valor continuo para Y y valores numéricos para Xs. Puede convertir Xs categóricas en variables indicadoras. Para conocer más detalles consulte la Ayuda de Minitab: Consideraciones de los datos para la Regresión de los mejores subconjuntos.

Gráfica de línea ajustada

Utilice la gráfica de línea ajustada para mostrar la relación entre un predictor continuo y una respuesta.

Puede ajustar un modelo lineal, cuadrático o cúbico para los datos. Una gráfica de línea ajustada muestra una gráfica de dispersión de los datos con una línea de regresión que representa la ecuación de regresión.

Por ejemplo, un ingeniero de una planta de manufactura desea examinar la relación entre el consumo de energía y la configuración de una máquina utilizada en el proceso de manufactura. El ingeniero piensa que la relación entre estas variables es curvilínea. Por lo tanto, el ingeniero crea una gráfica de línea ajustada y ajusta un modelo cuadrático a los datos. Para ver un ejemplo consulte la Ayuda de Minitab: Ejemplo de Gráfica de línea ajustada.

Consideraciones acerca de los datos

Los datos deben ser un valor continuo para Y y un valor continuo o discreto para X (con varios niveles). Para conocer más detalles consulte la Ayuda de Minitab: Consideraciones de los datos para la Gráfica de línea ajustada.

Regresión múltiple

Utilice la regresión múltiple para examinar las relaciones entre una respuesta continua y dos o más predictores.

Si el número de predictores es grande, entonces antes de ajustar un modelo de regresión con todos los predictores, se deberían utilizar las técnicas de selección de modelo escalonada o de mejores subconjuntos para excluir los predictores que no estén asociados con las respuestas.

Por ejemplo, un investigador químico desea entender cómo se asocian diferentes predictores con la resistencia a las arrugas de la tela de algodón. El químico realiza un análisis de regresión múltiple para ajustar un modelo con los predictores y eliminar los predictores que no tienen una relación estadísticamente significativa con la respuesta. Para ver un ejemplo consulte la Ayuda de Minitab: Ejemplo de modelo de regresión de ajuste.

Consideraciones acerca de los datos

Los datos deben ser un valor continuo para Y y valores numéricos para Xs. Puede convertir Xs categóricas en variables indicadoras. Para conocer más detalles consulte la Ayuda de Minitab: Consideraciones de los datos para el modelo de regresión de ajuste.

Regresión simple

Utilice la regresión simple para establecer la relación lineal entre dos variables continuas: una respuesta (Y) y un predictor (X).

La regresión simple le permite predecir el valor del resultado Y para cualquier valor de la entrada X. Para ver un ejemplo, vaya a Ayuda de Minitab : Ejemplo de modelo de regresión de ajuste.

Consideraciones acerca de los datos

Los datos deben ser un valor continuo para Y y un valor numérico para X. Para obtener más información, consulte la Ayuda de Minitab: Consideraciones acerca del modelo de regresión de ajuste.

Regresión escalonada

Utilice una regresión escalonada para evaluar entradas de múltiples procesos sin utilizar un experimento diseñado.

La regresión escalonada es una herramienta automatizada que se utiliza en las etapas exploratorias de la construcción de modelos para identificar un subconjunto útil de predictores. Este proceso agrega la variable más significativa o elimina la variable menos significativa de manera sistemática durante cada paso. También le permite predecir el valor de la salida (Y) para cualquier combinación de valores en las entradas (Xs). Para obtener más información, vaya a Minitab la Ayuda: Realizar una regresión escalonada para el modelo de regresión de ajuste.

Consideraciones acerca de los datos

Los datos deben ser un valor continuo para Y y valores numéricos para Xs. Puede convertir Xs categóricas en variables indicadoras. Para conocer más detalles consulte la Ayuda de Minitab: Consideraciones de los datos para el modelo de regresión de ajuste.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política