Page 111 - Introducción a la Bioestadística con R

Sección 8: Modelos lineares. Conceptos clave.
Introducción a la Bioestadística con R
•
•
Con un modelo linear, generamos una función matemática que describe el comportamiento de una variable dependiente y a partir del comportamiento de una o más variables independientes x.
Podemos hablar de modelos de regresión lineal simple o múltiple, dependiendo del número de variables independientes que tengamos.
En los modelos de regresión lineales se supone que el valor de una variable dependiente “y” puede escribirse en función del valor de una o más variables independientes “x”. En nuestro caso, vamos a centrarnos en esta sección en un modelo de regresión múltiple en el que la función matemática que describe la relación entre ambas variables es:
y = a + b1x1 + b2x2 + b3x3 ... b x
Dónde “y” es la variable dependiente, “x1, x2, x3, ... x ” son las variables independientes, y “b1, b2,
b3, ... b ” son los coeficientes que vamos a estimar.
Como ocurre con otros análisis estadísticos vistos en este curso, para utilizar modelos lineares
nuestros datos han de cumplir las siguientes condiciones (assumptions):
1. Linealidad: se presupone una relación lineal entre las variables.
2. Homocedasticidad: homogeneidad de las varianzas.
3. Independencia de las muestras.
4. Distribución normal de los datos.
107