5.3 FORMA GENERAL DE LOS MODELOS DE REGRESIÓN MÚLTIPLE A AJUSTAR

Los Modelos de Regresión Múltiple que se han obtenido para cada Sub-población, mediante el Método de Mínimos Cuadrados Ponderados, esto es, teniendo en cuenta el diseño de muestra complejo con el cual han sido obtenidos los datos tienen la siguiente forma general:

Que también puede ser expresado de la siguiente forma:

Donde x1, x2, ..., xk-1 son las variables explicativas del modelo y µ es el término de error.

Los Modelos de Regresión Múltiple ajustados para los Ingresos de los Hogares, se expresan como un producto de exponenciales, cada factor es una exponencial cuyo exponente es el Coeficiente de Regresión multiplicado por la variable correspondiente. Este hecho permite evaluar el tipo de influencia que tiene la variable en el ingreso. Con este fin se procede como sigue.

1°. Dada una variable cuya influencia queremos analizar para un determinado valor, se considera el conjunto de hogares que tienen los mismos valores (el mismo perfil) para las otras variables que entran en el modelo (A esta condición se hace referencia como "situación de comparación")

2°. Se considera que uno de estos hogares va a tomar el valor determinado para la variable que se quiere evaluar

3°. Se evalúa el valor de la exponencial para el valor determinado de la variable. Si el resultado es:

< 1 reduce el Ingreso del Hogar respecto al Ingreso de los Hogares del mismo perfil
> 1 incrementa el Ingreso del Hogar respecto al Ingreso de los Hogares del mismo perfil

En las siguientes secciones se presentan los resultados del Modelo Estadístico de Regresión Lineal Múltiple para el Ingreso de los Hogares ajustado para cada Sub-población.

La estructura de la presentación en cada caso, es la siguiente:

  • Relación de variables que entran en el modelo
  • Resultados obtenidos por el PC CARP que presenta estimados de los Coeficientes de Regresión y estadísticos relacionados:
  • Estimadores de los Coeficientes de Regresión
  • Error estándar de los estimadores de los Coeficientes de Regresión, con los cuales se pueden construir intervalos de confianza para el valor poblacional de cada Coeficiente de Regresión.
  • Estadísticos t para cada coeficiente, estimados bajo la suposición de que la Hipótesis Nula de que el valor poblacional de cada Coeficiente de Regresión individual es cero, es verdadera.
  • Coeficientes de Determinación del Modelo, R2
  • Estadístico F para evaluar la validez de los modelos ajustados.
  • La forma del modelo