Regresión Múltiple Multivariante
La regresión múltiple multivariante predice varias respuestas continuas simultáneamente a partir de un conjunto común de predictores, modelando las correlaciones entre las respuestas.
Definition
La regresión múltiple multivariante es un modelo lineal en el que un vector de respuestas se regresa sobre predictores compartidos con errores correlacionados, estimado y probado teniendo en cuenta la estructura de covarianza de la respuesta.
Scope
Este tema cubre el modelo lineal multivariante con una matriz de respuestas, la estimación por mínimos cuadrados que coincide con la regresión ecuación por ecuación para las estimaciones puntuales, el papel de la covarianza del error en la inferencia, las pruebas multivariantes de hipótesis de regresión y las regiones de predicción para el vector de respuestas.
Core questions
- ¿Cómo se predicen conjuntamente varias respuestas continuas a partir de predictores comunes?
- ¿Cuándo difiere la estimación conjunta de las regresiones univariantes separadas?
- ¿Cómo se prueban las hipótesis sobre la matriz de coeficientes?
- ¿Cómo se construyen las regiones de predicción conjuntas para las respuestas?
Key theories
- Mínimos cuadrados matriciales
- La estimación por mínimos cuadrados de la matriz de coeficientes se obtiene columna por columna, por lo que las estimaciones puntuales son iguales a las de las regresiones univariantes separadas, mientras que la covarianza del error estimada une las respuestas para la inferencia.
- Inferencia multivariante sobre coeficientes
- Las pruebas de hipótesis sobre la matriz de coeficientes utilizan estadísticas multivariantes derivadas de las matrices de suma de cuadrados y productos cruzados de error e hipótesis, combinando la evidencia entre las respuestas.
Clinical relevance
La regresión múltiple multivariante se utiliza cuando se miden varios resultados conjuntamente y comparten predictores, lo que permite pruebas de hipótesis conjuntas y regiones de predicción que respetan las correlaciones entre los resultados.
History
El modelo lineal multivariante y su teoría inferencial se desarrollaron dentro del análisis multivariante clásico de principios y mediados del siglo XX, generalizando la regresión univariante a respuestas vectoriales y proporcionando las estadísticas de prueba multivariantes que aún se utilizan.
Key figures
- T. W. Anderson
- Samuel Wilks
Related topics
Seminal works
- anderson2003
- johnson2007
- mardia1979
Frequently asked questions
- ¿Si las estimaciones puntuales son iguales a las regresiones separadas, por qué usar el modelo multivariante?
- Porque la inferencia conjunta, la prueba de hipótesis entre respuestas y las regiones de predicción dependen de la covarianza de la respuesta, que el modelo multivariante captura pero las regresiones univariantes separadas ignoran.
- ¿Cuál es el papel de la matriz de covarianza de errores?
- Cuantifica cómo covarían los errores de respuesta e interviene en las estadísticas de prueba multivariantes y las regiones de predicción, teniendo en cuenta la dependencia entre las respuestas.