Relacion entre variables: cuando se quiere saber como se da la relacion entre variables cuantitativas, el analisis de correlacion y regresion es el mas adecuado. Relacion entre variables es la posbilidad de conocer como el comportamiento de las categorias de la variable independiente incide en el comportamiento de la variable dependiente. Analisis lineal: mide si al aumentar los valores de la variable independiente aumentan tambien los valores de la dependiente en una relacion directa o si a medida que aumenta una disminuira la otra, relacion lineal inversa. La linealidad esta determinada por la forma en que se vinculan las variables lo cual se mide por la ecuacion de los minimos cuadrados. Objetivos del analisis de regresión: predecir los valores que asumira la variable dependiente a partir de valores de la independiente. Objetivo de correlacion simple: conocer la intensidad o fuerza de esa relacion y el sentido de la misma. Es decir intencion de covarianza: relacion sistematica entre dos variables en la cual el cambio en una de ellas implica un cambio correspondiente a la otra. Si el signo del coeficiente R es + las variables varian en la misma direccion(EJ cuanto mas se invierte en publicidad,mayor es la suba en las ventas. Si es -El incremento de una variable produce el decremento de la otra (si se aumenta el precio de un bien la demanda bajara). El R de pearson solo puede calcularse con variables cuantitativas. Analisis de regresion lineal: con este analisis se puede predecir la evolucion de la variable dependiente a partir de la variable independiente. Cuanto mas fuerte sea esa dependencia será mas precisa esa prediccion. Con un diagrama de dispersion podemos respresentar un espacio de dos dimensiones donde a partir del conocimiento de una variable iddependiente se puede predecir la evolucion de la dependiente.
Minimos cuadrados ordinarios: este metodo se expresa a traves de la llamada ecuacion de la recta. Los valores a y b son constantes a partir de los cuales se consutrye la recta que mejor representa la relacion de asociacion entre las variables y que permitira realizar la estimacion . No es posible realizar una prediccion perfecta a menos que la asociacion entre variables sea perfecta tambien cosa que sucede raramente. Estamos ante una regresion lineal multiple comprende una sola variable dependiente y dos o mas variables independientes cuando contemplamos mas de una variable independiente y mediomos el efecto de cada una de ellas sobre la variable dependiente. La relacion se presenta como lineal pero no se puede graficar como una recta por no ser con dos variables ni tres. El analisis se lleva a cabo a traves de la ecuacion.Analisis de regresion multiple puede servir para uno o una combinacion de dos propositos basicos:1 pronosticar el nivel de la variable dependiente con base en determinados niveles de las variables independientes.2 Entender la relacion entre las variables independientes y la dependiente. Regresion y correlacion : Hay una vinculacion estrecha entre el modelo de regresion y el analisis de correlacion. La capacidad de predecir de una ecuacion de regresion sera muy debil si el valor de r se aproxima mucho a 0. La R explica la variacion de la variable dependiente es explicado por la variacion en las variables independientes en % del R . Cuando se necesita incluir variables independientes de escala nominal como genero, estado civil, ocupacion en la regresion multiple es posible crear variables ficticias o dummies para este proposito.LAs variables DICOTOMICAs de escala nominal se puede transfromar en variables fictircias codificando un valor ( por ejemplo mujer 0 y el otro por ej hombre como 1) Para asumir mas DE DOS VALORES D1 D2 y D3
Problemas de interpretacion: se pueden encontrar ciertos problemas por el uso y la interpretacion de los resultados del analisis de regresion multiple: Se pueden resumir estos en 1Colinealidad,2Causacion,3 Escala de coeficientes y 4 tamaño de la muestra.
1-Suposicion de que las variables independientes no estan correlacionadas 2- aunque el analisis de regresion puede mostrar que las variables estan relacionadas no puede comprobar la causacion. Solo se pueden confirmar por otros medios (orden de tiempo apropiado,eliminacion de otros posibles factores causales)etc. Hay que desarrollar una base logica o teorica fuerte para respaldar la idea de que existe una relacion causal entre las variables independientes y la dependiente. 3- las magnitudes de los coeficientes de regresion asociados a variables independientes se pueden comparar directaemnte solo si se escalan en las mismas unidades o si los datos se estandarizan. 4- El valor R2 esta influido por el numero de variables de pronostico en relacion con el tamaño de la muestra.
Plan de muestreo: 5 etapas: 1- Definir la poblacion objetivo - 2- Determinar el marco de muestreo - 3-Seleccionar tecnicas de muestreo - 4- Determinar el tamaño de la muestra - 5.- Ejecutar el proceso de muestreo. 1- elementos o objetos que poseen la info buscadas acerca de lo cual se realiza deducciones . Implica la definicion del problema en un enunciado precisa de quien debe incluirse enla muestra y quien no. Debe definirse en elementos(objeto de cual se desea investigacion)ej,hombre o mujer jefe de flia responsable, unidad de muestreo elemento o unidad que contiene el elemento disponible para la seleccion en alguna etapa del proceso) ej,hogares y extension tiempo (limite geografico, lapso de consideracion)ej, zona metropolitana ciudad de rcia año 20162- es la representacion de los elementos de una poblacion. Instrucciones para identificar a la poblacion objetivo 3- teniendo en cuenta los objetivos de investigacion, precision deseada marco de tiempo,conocimiento de poblacion objetivo, alcance de investigacion puede ser Muestra probabilistica: todos los elementos tienen una probabilidad para ser seleccionados, la obtencion de las unidades de analisis son al azar, se puede calcular intervalos de confianza. El objetivo es hacer una inferencia acerca de la poblacion con base en la informacion contenida en la muestra. Principales tecnicas de muestreo probabilisticos: aleatorio simple, sistematico, estratificado, por agrupamientosMuestra no probabilistica: se desconoce la probabilidad de seleccionar cada unidad de muestreo, se desconoce el porcentaje de error. Basandose en algun juicio intuitivo o conocimiento del investigador. Principales tecnicas de muestreo no probabilistico: por conveniencia, por juicio, por cuota , muestreo de bola de nieve.
4- Se refiere al numero de elementos que se incluiran en el estudio. Para hacerlo correctamente hay que tener en cuenta la variabilidad de la caracteristica de la poblacion que se investiga, el nivel de confianza deseado en los calculos, la preision requerida. 5- Especificacion detallada de como se llevaa a cabo las decisiones de diseño de muestreo con relacion a : la poblacion objetivo, el arco de muestreo, las unidades y la tecnica como el tamaño de la muestra.