ReGrEsIoN LinEaL

Descripción general
REGRESSN suministra una capacidad general para regresión múltiple, diseñada para análisis de regresión lineal estándar o por pasos. Se pueden hacer varios análisis de regresión, con parámetros y variables diferentes en una misma ejecución.
Término constante. Si los datos de entrada son datos primarios, el usuario puede solicitar que las ecuaciónes no tengan término constante (ver el parámetro de regresión CONSTANT=0). En este caso se analiza una matriz basada en la matriz de productos cruzados en vez de una matriz de correlación. Esto cambia la pendiente de la línea ajustada y puede afectar sustancialmente los resultados. En la regresión por pasos, las variables pueden entrar a la ecuación en un orden diferente al que se hubiese requerido en caso de estimar un término constante. Si la entrada es una matriz de correlación, la ecuación de regresión contiene siempre un término constante.
Uso de variables categóricas como variables independientes. Existe una opción para crear un conjunto de variables ficticias (dicotómicas) a partir de variables categóricas específicadas (ver el parámetro CATE). Estas se pueden utilizar como variables independientes en el análisis de regresión.
Cociente F para introducir una variable en la ecuación. En la regresión por pasos, se adicionan a su turno, variables a la ecuación de regresión hasta que la ecuación sea satisfactoria. En cada paso, se selecciona la variable que tenga la correlación parcial más alta con la variable dependiente. Se calcula entonces un valor parcial de la prueba F para la variable y este valor se compara con un valor crítico suministrado por el usuario. Tan pronto como la F parcial para la proxima variable que va entrar sea menor que el valor crítico, se termina el análisis.
Cociente F para retirar una variable de la ecuación. Una variable que puede haber sido la mejor variable individual para entrar en una etapa inicial de un análisis de regresión por pasos, en una etapa posterior, puede no ser la mejor debido a la relación actual con otras variables en la regresión. Para detectar ésto, el valor parcial F de cada variable en la regresión en cada paso del cálculo, es calculado y comparado con un valor crítico suministrado por el usuario. Cualquier variable cuyo valor parcial F se presente por debajo del valor crítico, se retira del modelo