Introducción a la regresión múltiple y análisis de correlación: análisis de regresión múltiple representa una extensión lógica de análisis de regresión de dos variables. En lugar de una sola variable independiente, las variables de dos o más independientes se utilizan para estimar los valores de una variable dependiente. Sin embargo, los conceptos fundamentales en el análisis siguen siendo los same.The Los siguientes son los tres principales objetivos de regresión múltiple y análisis de correlación: Para obtener una ecuación que proporciona la estimación de la variable dependiente de los valores de los dos o más independiente variables.To obtener una medida del error que implica el uso ecuación de regresión como base para estimation.To obtener una medida de la proporción de variación en la variable dependiente representó o "explicado por" la primera propósito independiente variables.The se logra mediante derving una ecuación de regresión adecuado por el método de los mínimos cuadrados. El segundo objetivo se consigue mediante el cálculo de un error típico de estimación. El tercer propósito se logra mediante el cálculo del coeficiente de múltiplo de determination.Assumptions de lineal múltiple Análisis de Regresión: Para la estimación punto, el principio supuestos de análisis de regresión lineal múltiple son: La variable dependiente es una variable aleatoria, mientras que las variables independientes no necesitan ser variable aleatoria .La relación entre las diversas variables independientes y la variable dependiente es lineal, yLA varianzas de las distribuciones condicionales de la variable dependiente, dado varias combinaciones de valores de las variables dependientes, son todos iguales. Para la estimación interna, un supuesto adicional es que las distribuciones condicionales para la variable dependiente siguen la ecuación de regresión múltiple equation.The normal de regresión probabilidad distribution.Multiple describe la relación promedio entre estas variables, y esta relación se utiliza para predecir o controlar la variable dependiente ecuación de regresión .A es una ecuación para estimar una variable dependiente, por ejemplo X1 X2 de la variables de indendent, X3 ....... y se llama una ecuación de regresión de X1 en X2, X3 ....... en funcional notación esto se escribe a veces brevemente como X1 = F (X2, X3 ....) leer "X12, X3 y así sucesivamente." es una función del caso Xin de tres variables, la ecuación de regresión de X1 en X2 y X3 se ha calculado o el valor de la variable dependiente estimada del formX1.23 = A1.23 + X2 + b12.3 B13.2 y X3X1.23 X2, X3 son la variables.Use dependiente de las computadoras en la regresión y correlación múltiple análisis: la aplicación de la regresión múltiple y análisis de correlación requiere cálculos extensos y muy precisos. A medida que el número de variables aumenta, los cálculos se vuelven más y más difícil y requiere mucho tiempo. Los ordenadores se están utilizando ampliamente en la aplicación de estas técnicas. Un gran número de instalaciones de ordenador tienen uno o más programas múltiples de regresión y correlación en la biblioteca de programas que están disponibles para el hecho de users.In, se está convirtiendo cada vez más innecesarios hoy en día para llevar a cabo un análisis de regresión por hand.The disponibilidad de estos programas permite a muchas analista para obtener la regresión y el resultado de la correlación deseada sin el analista de tener que gastar tiempo escribiendo un programa de ordenador. La idoneidad de un programa de la biblioteca dada para su uso en particular problema depende de los requisitos de entrada, el procedimiento de operación y los resultados calculados por el programa. Muchos programas de la biblioteca son lo suficientemente generales y comprehensiveto cumplen los requisitos de una amplia variedad de users.It pueden señalaron que, aunque con el uso de las computadoras es posible poner a prueba e incluyen gran número de variables independientes en un análisis de regresión, el buen juicio y conocimiento de las relaciones lógicas implicadas siempre debe ser utilizado como una guía para decidir qué variables a incluir en la construcción de una ecuación de regresión.