El análisis de regresión es un método de investigación cuantitativo que se utiliza cuando el estudio implica la modelización y el análisis de varias variables, donde la relación incluye una variable dependiente y una o más variables independientes.
En términos simples, el análisis de regresión es un método cuantitativo utilizado para probar la naturaleza de las relaciones entre una variable dependiente y una o más variables independientes.
La forma básica de los modelos de regresión incluye parámetros desconocidos (β), variables independientes (X) y la variable dependiente (Y).
El modelo de regresión, básicamente, especifica la relación de la variable dependiente (Y) con una combinación de funciones de variables independientes (X) y parámetros desconocidos (β).
Y ≈ f (X, β)
La ecuación de regresión puede utilizarse para predecir los valores de ‘y’, si se da el valor de ‘x’, y tanto `y’ como `x’ son los dos conjuntos de medidas de un tamaño de muestra de `n’. Las fórmulas para la ecuación de regresión serían
Donde,
No se deje intimidar por la complejidad visual de las fórmulas de correlación y regresión anteriores.
No es necesario aplicar la fórmula manualmente, y los análisis de correlación y regresión se pueden ejecutar con la aplicación de software analítico popular como Microsoft Excel, Microsoft Access, SPSS y otros.
El análisis de regresión lineal se basa en el siguiente conjunto de supuestos:
1. Asunción de la linealidad. Existe una relación lineal entre las variables dependientes e independientes.
2. Asunción de la homosexualidad. Los valores de datos para variables dependientes e independientes tienen las mismas desviaciones.
3. Asunción de ausencia de colinealidad o multicolinealidad. No hay correlación entre dos o más variables independientes.
4. Asunción de la distribución normal. Los datos de las variables independientes y variables dependientes se distribuyen normalmente
