En una regresión lineal bivariada para predecir Y a partir de una sola variable X, si r = 0, entonces la pendiente de regresión de puntuación bruta b también es igual a cero.
En esta situación con una sola variable predictiva, b = r * (SDy / SDx)
donde r = la correlación entre X e Y
SDy es la desviación estándar de la variable de resultado Y
- ¿Cuántos cubos tridimensionales de 1 pie se pueden colocar en un hipercubo de 4 pies y 1 pie?
- ¿Cuántos ángulos tiene un polígono de 10 lados y cómo se miden?
- ¿Cuáles son los temas populares / candentes en la geometría algebraica moderna ahora?
- ¿Cuál es el número máximo de triángulos posible con un perímetro N dado, cuyos lados son números enteros?
- ¿Qué es un espacio euclidiano?
y
SDx es la desviación estándar de la variable predictora X.
A partir de esta ecuación, puede ver que, con solo un predictor, si r = 0, entonces b también debe ser cero.
Sin embargo, si tiene varias variables predictoras en una ecuación de regresión, el tamaño del coeficiente b para cualquier predictor depende de las correlaciones entre los predictores además de la correlación de ese predictor individual con Y. En esa situación, es posible que El predictor X que tiene una correlación cero con Y para tener una pendiente b distinta de cero cuando todos los demás predictores están controlados estadísticamente.