5.3.3. Análisis de regresión múltiple (ARM)

El análisis de regresión múltiple es una técnica de análisis multivariable en el que se establece una relación funcional entre una variable dependiente o a explicar y una serie de variables independientes o explicativas, en la que se estiman los coeficientes de regresión que determinan el efecto que las variaciones de las variables independientes tienen sobre el comportamiento de la variable dependiente. El modelo más utilizado es el modelo lineal, pues es el que requiere estimar un menor número de parámetros (Bernal, A. en Martínez, Martín, Martínez, Sanz de la Tajada y Vacchiano, 2000, pág. 584). La medida de la bondad del ajuste de la función estimada viene dada por el coeficiente de correlación múltiple, y el coeficiente de determinación, que es el cuadrado del anterior, expresa la proporción de la varianza de la variable dependiente explicada por el modelo de regresión. El coeficiente de correlación parcial de cada variable explicativa, indica la relación específica de dicha variable con la variable dependiente, supuesto que permanecen constantes las demás variables independientes. En este tipo de análisis es frecuente la existencia de multicolinealidad, es decir, que las variables explicativas estén altamente correlacionadas entre si, lo que perturba la interpretación de los coeficientes de regresión. El modelo de regresión requiere que todas las variables, dependiente e independientes, estén medidas con escala métricas (Santesmases, 2001, pág. 237).

La regresión múltiple se ha utilizado en este trabajo para analizar la relación existente entre la participación alcanzada por las MGD en cada clase de producto y diferentes variables que las caracterizan.