SESIONES 11, 12 Y 13

VARIABLES INDICADORAS
(DUMMY) Y VARIABLES DE
INTERACCIN
INTRODUCCIN A LOS MODELOS DE
REGRESIIN MLTIPLE

Un modelo de regresin mltiple es aquel

que cuenta con ms de una variable
independiente.
La lectura se realiza considerando los
efectos de esas variables en la variable
dependiente.
Hoy revisaremos brevemente un modelo
de regresin lineal mltiple
 VARIABLES DUMMY
Son variables indicadoras y dicotmicas.
Es decir, asumen el valor de 1 cuando la
categora investigada tiene la
caracterstica y 0 cuando no la tiene.
Es fundamental que sepamos recodificar
las variables para construir las dummy.
Ej: 1= Amrica latina; 0 = Resto del
mundo
 VARIABLES DE INTERACCIN
Son aquellas variables que surgen de la
multiplicacin entre una de las variables
independientes y la variable dummy.
En la salida SPSS la variables de
interaccin nos sealar los cambios en la
pendiente.
Ej: Amrica Latina * tasa de mortalidad
 EL OBJETIVO
El objetivo central del anlisis de regresin
lineal mltiple considerando variables
dummy y de interaccin consiste en
comparar grupos.
Mediante la dummy construyo dos grupos:
los que tienen la caracterstica y los que
no la tienen (Amrica Latina y resto del
mundo)
 EL OBJETIVO
La idea es comparar el comportamiento de
Amrica Latina con el resto del mundo.
El modelo quedara as:

Y= B0 + B1(X) + B2 (Dummy) + ei
Tendr dos constantes y dos pendientes:
una para Amrica Latina y otra para Resto
del Mundo.
 ESPECIFICACIONES
Tanto B1 como B2 son las constantes. La
primera es el punto de origen del modelo
en general, mientras que B2 es la
constante de la variable indicadora con
valor 1.
Qu se mide?: el cambio en la
ORDENADA AL ORIGEN
 HIPTESIS
La hiptesis nula consiste en que no
existen diferencias significativas en las
ordenadas al origen entre el grupo de
comparacin (1) y el grupo de control (0).
El test ANOVA tiene la misma
interpretacin que en la regresin lineal
simple: al menos 1 beta es significativo o
distinto de 0.
 LAS VARIABLES DE INTERACCIN

Son variables que se construyen para

medir las diferencias en las pendientes de
ambos grupos (grupo de comparacin y
grupo de control)
Se calculan multiplicando la variable
independiente * la variable Dummy
 EL MODELO

Resumen del modelo

R cuadrado Error tp. de la

Modelo R R cuadrado corregida esti m acin
1 ,877 a ,769 ,755 7,46446
a. Variables predictoras : (Constante), INTERACCIN BRASIL,
NMERO EFECTIVO DE PARTIDOS, DUMMY BRASIL
 ANOVA

ANOVAb

Suma de Media
Modelo cuadrados gl cuadrtica F Sig.
1 Regresin 8741,454 3 2913,818 52,296 ,000 a
Res idual 2618,755 47 55,718
Total 11360,210 50
a. Variables predictoras : (Constante), INTERACCIN BRASIL, NMERO EFECTIVO
DE PARTIDOS, DUMMY BRASIL
b. Variable dependiente: CONTINGENTE LEGISLATIVO AL SER ELECTO
 COEFICIENTES
Coeficientesa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error tp. Beta t Sig.
1 (Constante) 71,586 3,067 23,341 ,000
NMERO EFECTIVO
-8,929 ,835 -,992 -10,689 ,000
DE PARTIDOS
DUMMY BRASIL -39,731 11,728 -,716 -3,388 ,001
INTERACCIN BRASIL 6,583 1,806 ,842 3,644 ,001
a. Variable dependiente: CONTINGENTE LEGISLATIVO AL SER ELECTO
 INTERPRETACIN
Veamos la ecuacin para el grupo 0:
Y = 71,586 + -8,929x
Ahora, construyamos la ecuacin para el
grupo 1
Y = ( B0 + B2 ) + ( B1 + B3 )X
Y = (71,586 + -39,731) + (-8,929 + 6,583)X
Y = 31,855 + -2,346. ESTA ES LA ECUACIN
DE BRASIL
 INTERPRETACIN
PARA GRUPO 0:
Por cada punto de incremento en el NEP,
el CLP1 cae en 8,9 puntos.
PARA GRUPO 1:
Por cada punto de incremento en el NEP,
el CLP1 cae en 2,3 puntos
 ENTONCES
De acuerdo a los datos, las rectas
deberan cruzarse.
La pendiente para GRUPO 0 es ms
pronunciada que para la del GRUPO 1.
Adems, parten de ordenadas al origen
distintas.
En caso de que las pendientes tuvieran
signo diferentes, entonces, podramos
aseverar que las rectas son paralelas
 OJO
Hay que tener muchsimo cuidado con las
significancias de los coeficientes.
En caso de que el coeficiente de la dummy
o de la variables de interaccin no sean
significativas, podemos hacer la
interpretacin como si lo fueran, PERO
DEJANDO EN CLARO QUE NO EXISTE UNA
SEGURIDAD ESTADSTICA DE QUE AS
SEA EFECTIVAMENTE.
 GRFICO
Grfico 2: Relacin Contingente Legislativo al ser electo, NEP y Dummy
Brasil
CONTINGE NTE LEGIS LATIV O AL SER EL ECT O

DUMMY BRAS IL Med ias

60.00

0.0 1.0


Media

R egresi n l ineal
40.00









20.00

0.00
2.00 4.00 6.00 8.00

NMERO EF ECTIVO DE P ART IDO S

Fuente: Elaboracin propia

 GRFICO CON DUMMY Y TOTAL
CONTINGENTE LEGISLAT IVO AL SER ELECTO

DUMMY BRASIL

0
60,00
1




Regresin lineal

40,00









20,00



1CONTINGENTE LEGISLATIVO AL SER ELECTO = 31,85 + -2,35 * nep
R-cuadrado = 0,72
0,00
1CONTINGENTE LEGISLATIVO AL SER ELECTO = 66,84 + -7,55 * nep
R-cuadrado = 0,70
2,00 4,00 6,00 8,00 1CONTINGENTE LEGISLATIVO AL SER ELECTO = 71,59 + -8,93 * nep
R-cuadrado = 0,71
NMERO EFECTIVO DE PARTIDOS
OTRO CASO, EL DEL EXAMEN

Resumen del modelo

R cuadrado Error tp. de la

Modelo R R cuadrado corregida estimacin
1 ,854 a ,730 ,712 8,08298
a. Variables predictoras : (Constante), INTERACCIN
MULTIPARTIDISMO EXTREMO, NMERO EFECTIVO DE
PARTIDOS, DUMMY MULTIPARTIDISMO EXTREMO
 ANOVA

ANOVAb

Suma de Media
Modelo cuadrados gl cuadrtica F Sig.
1 Regresin 8289,483 3 2763,161 42,292 ,000 a
Res idual 3070,726 47 65,335
Total 11360,210 50
a. Variables predictoras : (Constante), INTERACCIN MULTIPARTIDISMO EXTREMO,
NMERO EFECTIVO DE PARTIDOS, DUMMY MULTIPARTIDISMO EXTREMO
b. Variable dependiente: CONTINGENTE LEGISLATIVO AL SER ELECTO
 COEFICIENTES

Coeficientesa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error tp. Beta t Sig.
1 (Cons tante) 76,775 7,777 9,872 ,000
NMERO EFECTIVO
-11,205 2,949 -1,245 -3,800 ,000
DE PARTIDOS
DUMMY
MULTIPARTIDISMO -23,881 11,434 -,774 -2,089 ,042
EXTREMO
INTERACCIN
MULTIPARTIDISMO 6,033 3,299 1,124 1,829 ,074
EXTREMO
a. Variable dependiente: CONTINGENTE LEGISLATIVO AL SER ELECTO
 ECUACIONES
PARA GRUPO 0, ES DECIR, PASES SIN
MULTIPARTIDISMO EXTREMO:
Y = 76,775 + -11, 205
PARA GRUPO 1:
Y = (76,775 + -23,881) + (-11,205 + 6,003)X
Y = 52,89 + -5,202X
 INTERPRETACIN
PARA GRUPO 0
Por cada punto de incremento en el NEP,
CLP1 cae en 11,205 puntos.
PARA GRUPO 1:
Por cada punto de incremento en el NEP,
CLP1 cae en 5,202 puntos.
OJO: tambin se deben interpretar las
ordenadas al origenSIEMPRE!!!
 EL GRFICO
CONTINGENTE LEGISLATIVO AL SER ELECTO

DUMMY MULTIPARTIDISMO EXTREMO
60,00
0

1



Regresin lineal
40,00







20,00




1CONTINGENTE LEGISLATIVO AL SER ELECTO = 52,89 + -5,17 * nep
0,00 R-cuadrado = 0,45
1CONTINGENTE LEGISLATIVO AL SER ELECTO = 66,84 + -7,55 * nep
R-cuadrado = 0,70

-20,00

2,00 4,00 6,00 8,00 1CONTINGENTE LEGISLATIVO AL SER ELECTO = 76,77 + -11,21 * nep
R-cuadrado = 0,31
NMERO EFECTIVO DE PARTIDOS
Y QU PODEMOS DECIR ACERCA DE
LAS PENDIENTES Y SU CRUCE
En el caso del multipartidismo extremo, la
pendiente parte ms abajo, pero su cada
es ms lenta que en el grupo 0. Esto
implica que al incrementar el NEP, el CLP1
no sufre una baja de tanta magnitud como
en el grupo 0.
En otras palabras, el incremento del NEP
afecta ms al grupo 0 que al 1, pero
siempre considerando que las ordenadas
al origen parte desde distintos puntos.
 Y LA SIGNIFICANCIA????????
Pues bien, la significancia de la pendiente
para multipartidismo extremo es de .074.
No est demasiado lejos del .05, pero la
probabilidad de cometer el error tipo I se
incrementa.
Podemos, en efecto, sealar que esta
significancia es vlida para .1, pero,
insistimos, se incrementa la probabilidad
de cometer el error tipo I.
 VEAMOS OTRO EJEMPLO: con
elecciones concurrentes

Coeficientesa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error tp. Beta t Sig.
1 (Cons tante) 63,929 3,979 16,066 ,000
NMERO EFECTIVO
-6,427 ,909 -,714 -7,071 ,000
DE PARTIDOS
ELECCIONES
7,906 5,698 ,236 1,388 ,172
CONCURRENTES
INTERACCIN
ELECCIONES -2,604 1,384 -,345 -1,881 ,066
CONCURRENTES
a. Variable dependiente: CONTINGENTE LEGISLATIVO AL SER ELECTO
 INTERPRETACIN
En el curso anterior vimos que se deba
respetar, por derecho estadstico
consuetudinario, la significancia de .05.
Ahora nos pondremos un poco, slo un
poco, ms flexibles.
Si ustede srevisan estudios estadsticos,
vern que en algunos se aceptan
significancia de .1
 CMO PONERLO
Si la significancia es igual o menor a .1 se
pone un asterisco al lado del coeficiente.
Si la significancia es igual o menor a .05
se ponen dos asteriscos al lado del
coeficiente.
Si la significancia es igual o menos a .01
se ponen tres asteriscos al lado del
coeficiente
 APLIQUEMOS ESTO
COEFICIENTES NO ESTANDARIZADOS
B0 63,9***
B1 -6,4***
B2 7,9
B3 -2,6*
(*) Significante al p0.1; (**) Significante
al p 0.05; (***) Significante al p0.01
CONT INGENTE LEGISLAT IVO AL SER ELECTO
EL GRFICO

ELECCIONES CONCURRENTES

NO
60,00
SI






Regresin lineal

40,00










20,00




1CONTINGENTE LEGISLATIVO AL SER ELECTO = 63,93 + -6,43 * nep
0,00 R-cuadrado = 0,70
1CONTINGENTE LEGISLATIVO AL SER ELECTO = 66,84 + -7,55 * nep
R-cuadrado = 0,70
2,00 4,00 6,00 8,00 1CONTINGENTE LEGISLATIVO AL SER ELECTO = 71,84 + -9,03 * nep
R-cuadrado = 0,75
NMERO EFECTIVO DE PARTIDOS
 PARA TOMAR EN CUENTA
Al parecer, la significancia va de la mano
con el escaso impacto de los coeficientes:
Ecuacin para GRUPO 0:
Y = 63,9 + -6,4
Ecuacin para GRUPO 1
Y = (63,9 + 7,9) + (-6,4 + -2,6)
Y = 71,8 + -9X
 ES DECIR
Los pases con elecciones concurrentes
comienzan desde una ordenada al origen
superior (Ms CLP1) y tienen una
pendiente ms inclinada que los pases
que no tienen elecciones concurrentes.
Por tanto, cada incremento del NEP afecta
ms a los pases con elecciones
concurrentes.
 PARA FINALIZAR
1-. SIEMPRE DEBEMOS VER LA
SIGNIFICANCIA D ELA PRUEBA.
2-. GENERALMENTE, LA SIGNIFICANCIA
SE ASOCIA A LA DIMENSIN DE LOS
COEFICIENTES.
3-. NUESTRA SINTERPRETACIONES
PUEDEN, INCLUSO, CONSIDERAR EL
NIVEL .1.
 CONSIGNAS
1-. SIEMPRE DEBES INTERPRETAR LA
ORDENADA AL ORGIEN Y LAS
PENDIENTES COMPARANDO GRUPO 0 Y
GRUPO 1.
2-. ES MUY IMPORTANTE QUE TU
REDACCIN ESTADSTICA SEA
IMPECABLE.
3-. RECUERDA QUE, DESDE HOY,
CUALQUIER ERROR QUE COMETISTE EL
SEMESTRE PASADO SER SANCIONADO
CON EL DOBLE.
 AQU, MUCHSISISISSSIMA
ATENCIN
VARIOS DE NUESTROS MODELOS
PRESENTAN PROBLEMAS QUE AN NO
HEMOS VISTO.
SE DENOMINAN PROBLEMAS DE
COLINEALIDAD Y DE DEPENDENCIA DE
RESIDUOS.
HOY PUEDEN PARECER CONCEPTOS
RAROS, PERO EN LAS CLASES
SIGUIENTES ACLARAREMOS TALES
PROBLEMAS
 EL PROCESO
RECUERDEN QUE EL APRENDIZAJE EN
MTODOS CUANTITATIVOS ES
INCREMENTAL.
ES DECIR, LO QUE VEMOS SE VA
COMPLEJIZANDO POCO A POCO.
POR ESO, EN MODELOS ANTERIORES HAY
ERRORES, PERO ERA IMPOSIBLE
PERCIBIRLOS, PUES TALES ERRORES
REQUIEREN DE UN MANEJO MS
ESPECFICO PARA SER DETECTADOS.
 POR LO ANTERIOR
DEBEMOS ESTAR PERMANENTEMENTE
RECORDANDO Y ASOCIANDO LOS
CONTENIDOS NUEVOS CON LOS
ANTIGUOS.
POR EJEMPLO, VERN QUE EN EL
EJERCICIO DEL EXAMEN, HABA UN
SERIO PROBLEMA DE COLINEALIDAD.
EN CLASES SIGUIENTES LO
RESOLVEREMOS
 LO QUE VIMOS
DOY POR COMPRENDIDO,
INTERNALIZADO, ASUMIDO Y
DISFRUTADO EL PROCESO DE
REGRESIN LINEAL.
ADEMS, YA PUEDO CERRAR CON ALTO
GRADO DE CERTEZA ESTADSTICA EL
APRENDIZAJE DEL MODELO
MULTIVARIADO CON DUMMY Y
VARIABLES DE INTERACCIN
 PARA MS ADELANTE
QUIERO QUE TENGAN MUY EN MENTE
ESTOS MODELOS A FIN DE, EN CLASES
SIGUIENTES, VISUALIZAR LOS ERRORES
QUE COMETIMOS.
LES INSISTO: MI ESTRATEGIA ES SUMAR
CONTENIDOS Y ENLAZARLOS
PROGRESIVAMENTE.
ESO, CREO, ES EL APRENDIZAJE.