Professional Documents
Culture Documents
VICERRECTORADO ACADMICO
COORDINACIN DE EVALUACIN ACADMICA
TAREA:
TRABAJO PRCTICO: X
ASIGNATURA: Estadstica Aplicada
CDIGO: 746
FECHA DE ENTREGA AL ESTUDIANTE: 04/03/2013
FECHA DE DEVOLUCIN:
NOMBRE DEL ESTUDIANTE:
CDULA DE IDENTIDAD:
CENTRO LOCAL:
CARRERA:
NUMERO DE ORIGINALES:
FIRMA DEL ESTUDIANTE:
DIRECCIN DE CORREO ELECTRONICO:
UTILICE ESTA MISMA PAGINA COMO CARATULA DE SU
TAREA O TRABAJO PRCTICO
RESUMEN
INDICE
Pp.
Resumen.. 2
ndice..
Introduccin
Mtodo
Instrumentos/Materiales.. 22
Procedimientos 23
Resultados..
23
Discusin
44
Conclusiones..
46
Referencias
48
Apndices 49
INTRODUCCIN
Yi 0 1 X i1 2 X i 2 ... k X ik
la0 variable
respuesta
Yi es
1 X i1
2 X i 2 cuantitativa
... k X ik para el i-simo objeto, este es un valor
estimado.
, ikson los parmetros poblacionales (valores constantes fijos) llamados
0 1 X i1 2 X i 2 ... k X
coeficientes. Siendo k el nmero de de variables independientes. Se espera que la
variable dependiente vare linealmente con las variables independientes.
MTODO
OBJETIVO 6:
6.1. Obtener los siguientes modelos de regresin lineal mltiple,
Modelo
1:
Modelo 2:
6.2. Explicar cul de los modelos anterior es considerara para realizar el
estudio.
6.3. Estudiar la posibilidad de colinealidad o multicolinealidad en el modelo
considerado en la pregunta anterior. Si existe, corregir este problema y obtener el
nuevo modelo.
6.4. Partiendo del modelo obtenido en la pregunta 6.3, explicar todos los
resultados arrojados por el programa (coeficientes y estadsticos).
6.5. Utilizar el procedimiento de regresin paso a paso (eliminacin hacia atrs)
para encontrar el modelo que mejor se ajusta. Interprete los coeficientes de este
ltimo modelo.
6.6. Considere una nueva variable,
(
Poblacin
Y
26
27,4
26
28
40,1
44,9
28
32
34,6
32
26,8
43,8
31,9
29
44,7
33,1
42,3
39,3
41,2
45,5
27,7
28,8
34
30,1
44,5
29,2
33,7
28,9
34,8
38,8
42,3
33,2
41,4
28,2
40,8
34,6
37,9
44
37,3
31,7
28,7
X1
5,0272
7,2776
8,4363
5,0693
7,2021
8,4797
7,6385
7,6085
6,3991
5,7779
5,6824
8,5769
8,0594
5,1378
6,4044
7,5029
7,2736
5,2323
6,3185
6,338
5,1594
8,5772
7,0555
7,6865
6,446
6,6293
7,0092
5,3487
7,1498
6,9719
6,838
7,4858
8,0134
7,9333
7,8241
7,0253
9,0243
5,2479
8,8907
5,5499
8,3176
X2
1
2
1
2
2
2
1,5
3
2
2
1
3
2
2
1,5
1
1
1,5
1
1
2,5
2
1
1
1
1,5
2
2
2
2
1
2
2
1,5
1
2
2
2
2
1,5
2,5
X3
3,716
5,119
5,5219
5,4851
5,0847
7,8289
6,8681
7,8155
8,5793
6,0094
4,7184
8,8413
3,5853
6,7836
7,4829
3,7615
7,8811
6,6111
5,3736
7,1818
7,6309
6,1104
3,0557
6,3276
9,2318
3,4299
8,5924
7,0533
5,0648
8,7507
5,8922
10,0185
5,6233
9,502
4,4981
6,8007
9,3329
7,3702
8,3448
8,7642
8,5381
X4
0,4405
1,632
1,1191
1,9886
1,6594
1,5268
1,3597
2,1814
2,0151
1,8839
1,083
2,0898
1,8294
1,569
1,2955
0,4668
0,8859
1,3787
1,028
1,0668
2,6891
1,4837
0,9622
0,2523
0,3674
1,3965
1,5917
1,6417
1,681
1,688
1,0674
1,7624
1,4902
1,3622
0,7619
1,6886
1,9437
1,9775
1,5769
1,2926
2,1295
X5
1
3
2
4
3
3
2
5
4
4
2
4
4
3
2
1
1
2
2
2
5
3
1
1
1
3
3
3
3
3
2
4
3
2
1
3
4
4
3
2
5
X6
2
5
3
6
5
4
4
6
6
6
3
6
6
5
4
2
2
4
3
3
7
4
3
2
2
4
5
5
5
5
3
5
4
4
2
5
6
6
5
4
6
X7
3
6
4
7
6
5
5
7
7
7
4
7
7
6
5
3
3
5
4
4
8
5
4
3
3
5
6
6
6
6
4
6
5
5
3
6
7
7
6
5
7
X8
2
3
2
4
3
3
3
4
4
3
2
4
3
3
3
2
2
3
2
2
4
3
2
2
2
3
3
3
3
3
2
3
3
3
2
3
4
4
3
3
4
X9 X10 X11
17 1 2,07825
32 0 3,3755
17 1 3,3205
18 0 3,73685
25 0 3,37205
38 0 4,67785
19 0 4,1139
27 0 4,99845
46 0 5,2972
29 0 3,94665
20 1 2,9007
46 0 5,46555
46 0 2,70735
37 0 4,1763
33 0 4,3892
35 1 2,11415
44 1 4,3835
33 0 3,9949
22 1 3,2008
20 1 4,1243
26 0
5,16
48 0 3,79705
29 1 2,00895
45 1 3,28995
18 1 4,7996
32 0 2,4132
25 0 5,09205
38 0 4,3475
20 0 3,3729
44 0 5,21935
44 1 3,4798
26 0 5,89045
20 0 3,55675
33 0 5,4321
43 1
2,63
46 0 4,24465
47 0 5,6383
27 0 4,67385
18 0 4,96085
26 0 5,0284
31 0 5,3338
40,1
39,8
44,6
30,2
27
27
36,4
29,1
29,6
38,6
31,6
26,6
26,6
41
35,1
27,4
37,2
28,7
39,1
6,1618
6,0085
5,2897
6,1111
7,8429
8,0303
5,404
8,1321
6,1579
6,752
7,8334
8,5768
8,1617
5,8991
7,0945
8,8785
7,2138
5,6268
6,3859
2
2,5
3
2
1
2
1
2,5
1
2
3
2,5
2,5
2
1,5
1
1
2,5
1
8,0796
4,5505
7,6318
7,6551
4,7629
7,3877
8,4007
4,3561
7,1066
8,9504
7,9297
5,2589
4,7944
5,8733
6,4968
3,2997
6,4344
6,045
9,178
1,8534
2,4045
2,2743
1,6014
1,0171
1,5044
1,1913
2,0972
1,1481
1,9375
2,0568
2,915
3,2656
1,6936
1,4155
1,2398
1,2859
2,0495
0,561
4
5
5
3
2
3
2
4
2
4
4
5
5
3
3
2
2
4
1
6
7
7
5
3
4
3
6
3
6
6
7
7
5
4
3
3
6
2
7
8
8
6
4
5
4
7
4
7
7
8
8
6
5
4
4
7
3
3
4
4
3
2
3
2
4
2
4
4
4
4
3
3
3
3
4
2
18
39
42
46
30
19
30
24
37
38
46
23
36
24
19
26
40
39
46
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
4,9665
3,4775
4,95305
4,62825
2,89
4,44605
4,796
3,22665
4,12735
5,44395
4,99325
4,08695
4,03
3,78345
3,95615
2,26975
3,86015
4,04725
4,8695
Instrumentos/Materiales
Procedimiento y Resultados
1:
Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple
0,39360107
Coeficiente de determinacin R^2
0,1549218
R^2 ajustado
0,02193051
Error tpico
6,03514955
Observaciones
60
ANLISIS DE VARIANZA
Grados de
Suma de
libertad
cuadrados
Regresin
8
347,2122659
Residuos
52
1893,997567
Total
60
2241,209833
Coeficientes
Intercepcin 31,65202173
X1
-0,448426252
X2
1,000450063
X3
1,028932824
X4
-3,032448805
X6
0,546608811
X7
0
X8
-0,927649658
X9
0,071008229
Error tpico
6,899417685
0,757142568
3,391510914
0,463570546
4,581297352
2,271659282
0
2,75951695
0,080963517
Promedio de
Valor crtico
F
los cuadrados
de F
43,40153324 1,3618239 0,235718504
36,42303014
Estadstico t
4,587636693
-0,592261314
0,294986538
2,219581967
-0,661919228
0,240620948
65535
-0,336163783
0,877039834
Probabilidad
2,86106E-05
0,556242282
0,769178734
0,030832961
0,51094581
0,810795078
#NUM!
0,738100122
0,384499005
Modelo 2:
Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple 0,986972188
Coeficiente de determinacin R^2 0,974114099
0,95139869
R^2 ajustado
6,035149554
Error tpico
60
Observaciones
ANLISIS DE VARIANZA
Grados de
Suma de
Promedio de
F
libertad
cuadrados
los cuadrados
Regresin
8
71273,15243 8909,144054 244,601946
Residuos
52
1893,997567 36,42303014
Total
60
73167,15
Intercepcin
X1
X2
X3
X4
X6
X7
X8
X9
Coeficientes
0
-0,448426252
1,000450063
1,028932824
-3,032448805
-31,10541292
31,65202173
-0,927649658
0,071008229
Error tpico
#N/A
0,757142568
3,391510914
0,463570546
4,581297352
7,912604947
6,899417685
2,75951695
0,080963517
Estadstico t
#N/A
-0,592261314
0,294986538
2,219581967
-0,661919228
-3,931121688
4,587636693
-0,336163783
0,877039834
Probabilidad
#N/A
0,556242282
0,769178734
0,030832961
0,51094581
0,000251136
2,86106E-05
0,738100122
0,384499005
Valor crtico
de F
6,7704E-38
Inferior 95%
#N/A
-1,967743934
-5,805114327
0,09871049
-12,2254943
-46,983216
17,80732758
-6,465025406
-0,091456949
Superior 95%
#N/A
1,07089143
7,806014452
1,959155159
6,160596687
-15,22760983
45,49671588
4,60972609
0,233473407
Predictor
Constante
X1
X2
X3
X4
X6
X8
X9
Coef
31,652
-0,4484
1,000
1,0289
-3,032
0,547
-0,928
0,07101
S = 6,03515
Coef. de EE
6,899
0,7571
3,392
0,4636
4,581
2,272
2,760
0,08096
R-cuad. = 15,5%
PRESS = 2434,35
T
4,59
-0,59
0,29
2,22
-0,66
0,24
-0,34
0,88
P
0,000
0,556
0,769
0,031
0,511
0,811
0,738
0,384
VIF
1,233
7,021
1,133
11,848
19,410
6,690
1,074
R-cuad.(ajustado) = 4,1%
R-cuad.(pred) = 0,00%
Anlisis de varianza
Fuente
Regresin
Error residual
Total
Fuente
X1
X2
X3
X4
X6
X8
X9
Obs
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
GL
1
1
1
1
1
1
1
X1
5,03
7,28
8,44
5,07
7,20
8,48
7,64
7,61
6,40
5,78
5,68
8,58
8,06
5,14
6,40
7,50
7,27
5,23
6,32
6,34
5,16
8,58
7,06
GL
7
52
59
SC
347,21
1894,00
2241,21
MC
49,60
36,42
F
1,36
P
0,241
SC sec.
24,55
3,03
242,79
45,19
0,81
2,83
28,02
Y
26,000
27,400
26,000
28,000
40,100
44,900
28,000
32,000
34,600
32,000
26,800
43,800
31,900
29,000
44,700
33,100
42,300
39,300
41,200
45,500
27,700
28,800
34,000
Ajuste
33,331
32,930
32,149
31,840
32,348
35,378
33,424
34,154
36,336
34,088
32,880
36,403
31,943
36,148
35,798
33,466
37,176
35,175
33,578
35,170
33,499
34,407
31,559
Ajuste SE
2,848
1,387
2,234
2,632
1,429
1,821
1,644
2,536
2,372
2,166
1,895
2,533
3,352
1,723
1,255
2,229
2,355
1,720
1,591
1,825
2,418
2,071
1,993
Residuo
-7,331
-5,530
-6,149
-3,840
7,752
9,522
-5,424
-2,154
-1,736
-2,088
-6,080
7,397
-0,043
-7,148
8,902
-0,366
5,124
4,125
7,622
10,330
-5,799
-5,607
2,441
Residuo
estndar
-1,38
-0,94
-1,10
-0,71
1,32
1,65
-0,93
-0,39
-0,31
-0,37
-1,06
1,35
-0,01
-1,24
1,51
-0,07
0,92
0,71
1,31
1,80
-1,05
-0,99
0,43
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
7,69
6,45
6,63
7,01
5,35
7,15
6,97
6,84
7,49
8,01
7,93
7,82
7,03
9,02
5,25
8,89
5,55
8,32
6,16
6,01
5,29
6,11
7,84
8,03
5,40
8,13
6,16
6,75
7,83
8,58
8,16
5,90
7,09
8,88
7,21
5,63
6,39
30,100
44,500
29,200
33,700
28,900
34,800
38,800
42,300
33,200
41,400
28,200
40,800
34,600
37,900
44,000
37,300
31,700
28,700
40,100
39,800
44,600
30,200
27,000
27,000
36,400
29,100
29,600
38,600
31,600
26,600
26,600
41,000
35,100
27,400
37,200
28,700
39,100
37,385
38,663
31,150
36,249
36,182
31,931
37,486
35,321
37,056
32,150
36,988
33,753
35,596
36,221
34,373
34,699
37,012
34,521
35,358
31,734
36,335
37,149
32,867
33,844
37,175
29,902
36,134
36,227
35,898
28,627
28,196
33,569
33,116
29,010
33,836
33,973
40,036
2,612
2,585
1,860
1,601
1,621
1,587
1,660
1,959
2,092
2,034
1,915
2,119
1,548
3,239
2,291
2,596
1,823
1,780
2,547
2,154
2,440
1,685
1,779
2,088
2,435
2,206
1,966
2,334
2,450
2,741
3,861
1,449
1,500
3,013
2,654
2,064
2,317
-7,285
5,837
-1,950
-2,549
-7,282
2,869
1,314
6,979
-3,856
9,250
-8,788
7,047
-0,996
1,679
9,627
2,601
-5,312
-5,821
4,742
8,066
8,265
-6,949
-5,867
-6,844
-0,775
-0,802
-6,534
2,373
-4,298
-2,027
-1,596
7,431
1,984
-1,610
3,364
-5,273
-0,936
-1,34
1,07
-0,34
-0,44
-1,25
0,49
0,23
1,22
-0,68
1,63
-1,54
1,25
-0,17
0,33
1,72
0,48
-0,92
-1,01
0,87
1,43
1,50
-1,20
-1,02
-1,21
-0,14
-0,14
-1,15
0,43
-0,78
-0,38
-0,34 X
1,27
0,34
-0,31
0,62
-0,93
-0,17
6.4. Partiendo del modelo obtenido en la pregunta 6.3, explicar todos los
resultados arrojados por el programa (coeficientes y estadsticos).
Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple 0,39360107
Coeficiente de determinacin R^2
0,1549218
R^2 ajustado
0,04116128
Error tpico
6,03514955
Observaciones
60
ANLISIS DE VARIANZA
Grados de
Suma de
Promedio de
Valor crtico
libertad
cuadrados los cuadrados
F
de F
Regresin
7 347,2122659 49,60175227 1,36182388 0,241228062
Residuos
52 1893,997567 36,42303014
Total
59 2241,209833
Coeficientes
31,65202173
-0,448426252
1,000450063
1,028932824
-3,032448805
0,546608811
-0,927649658
0,071008229
Intercepcin
X1
X2
X3
X4
X6
X8
X9
Error tpico
Estadstico t Probabilidad Inferior 95% Superior 95%
6,899417685 4,587636693 2,86106E-05 17,80732758 45,49671588
0,757142568 -0,592261314 0,556242282 -1,96774393 1,07089143
3,391510914 0,294986538 0,769178734 -5,80511433 7,806014452
0,463570546 2,219581967 0,030832961 0,09871049 1,959155159
4,581297352 -0,661919228 0,51094581 -12,2254943 6,160596687
2,271659282 0,240620948 0,810795078 -4,01180893 5,105026551
2,75951695 -0,336163783 0,738100122 -6,46502541 4,60972609
0,080963517 0,877039834 0,384499005 -0,09145695 0,233473407
1
27,22
X3
Valor T
Valor P
1,08
2,53
0,014
S
R-cuad.
R-cuad.(ajustado)
PRESS
R-cuad. (pred)
5,90
9,95
8,40
2142,63
4,40
El modelo es
La ecuacin de regresin es
Y = 40,0 - 0,793 X1 + 2,48 X2 - 1,09 X7 - 0,57 X8 + 0,0997 X9
Predictor
Constante
X1
X2
X7
X8
X9
Coef
40,039
-0,7928
2,478
-1,090
-0,569
0,09973
S = 6,25015
Coef. de EE
6,730
0,7464
3,447
1,587
2,810
0,08292
R-cuad. = 5,9%
PRESS = 2626,67
T
5,95
-1,06
0,72
-0,69
-0,20
1,20
P
0,000
0,293
0,475
0,495
0,840
0,234
VIF
1,117
6,763
8,827
6,466
1,050
R-cuad.(ajustado) = 0,0%
R-cuad.(pred) = 0,00%
Anlisis de varianza
Fuente
Regresin
Error residual
Total
Fuente
X1
X2
X7
X8
X9
GL
1
1
1
1
1
GL
5
54
59
SC
131,74
2109,47
2241,21
MC
26,35
39,06
F
0,67
P
0,645
SC sec.
24,55
3,03
47,12
0,53
56,51
Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple
0,98052448
0,96142825
R^2 ajustado
0,93933828
Error tpico
7,22929332
Observaciones
ANLISIS DE
VARIANZA
Grados de
libertad
Suma de
cuadrados
Promedio de
los cuadrados
Regresin
70344,96518
Residuos
54
2822,18482
Total
60
73167,15
Valor crtico
de F
Coeficientes
Error tpico
Estadstico t
Probabilidad
Inferior 95%
Superior 95%
#N/A
#N/A
#N/A
#N/A
#N/A
2,010772829
Intercepcin
X1
60
0,58329744
3,447251248 0,001104579
0,841331879
3,180213778
X2
-5,850553784 3,629959264
-1,611740892 0,112848493
-13,12818388
1,427076314
X7
1,71176797 1,720319543
0,995029079 0,324160094
-1,737265028
5,160800969
X8
0,014828285
3,2565024
0,004553439 0,996383674
-6,514065886
6,543722455
X9
0,176569534 0,093641617
1,885588252 0,064734627
-0,011170604
0,364309672
X11
3,717414637 1,038220732
3,580562901 0,000734751
1,635907408
5,798921865
Coef
34,500
-0,6480
1,394
-0,954
-1,281
0,07660
2,0947
S = 6,02382
Coef. de EE
6,931
0,7222
3,357
1,530
2,726
0,08057
0,9245
R-cuad. = 14,2%
PRESS = 2423,27
T
4,98
-0,90
0,42
-0,62
-0,47
0,95
2,27
P
0,000
0,374
0,680
0,536
0,640
0,346
0,028
VIF
1,126
6,903
8,841
6,553
1,067
1,329
R-cuad.(ajustado) = 4,5%
R-cuad.(pred) = 0,00%
Anlisis de varianza
Fuente
Regresin
Error residual
Total
Fuente
X1
X2
X7
X8
X9
X11
GL
1
1
1
1
1
1
GL
6
53
59
SC
318,03
1923,18
2241,21
MC
53,00
36,29
F
1,46
P
0,210
SC sec.
24,55
3,03
47,12
0,53
56,51
186,29
6.7. Explicar cul de los modelos obtenidos en 6.5 y 6.6 representa mejor la
situacin bajo estudio.
La ecuacin de regresin es
Y = 40,0 - 0,793 X1 + 2,48 X2 - 1,09 X7 - 0,57 X8 + 0,0997 X9
Predictor
Constante
X1
X2
X7
X8
X9
Coef
40,039
-0,7928
2,478
-1,090
-0,569
0,09973
S = 6,25015
Coef. de EE
6,730
0,7464
3,447
1,587
2,810
0,08292
R-cuad. = 5,9%
T
5,95
-1,06
0,72
-0,69
-0,20
1,20
P
0,000
0,293
0,475
0,495
0,840
0,234
VIF
1,117
6,763
8,827
6,466
1,050
R-cuad.(ajustado) = 0,0%
6.8. Realizar un anlisis de residuos para los modelos obtenidos en los puntos
6.5 y 6.6.
X1
5,03
7,28
8,44
5,07
7,20
Y
26,000
27,400
26,000
28,000
40,100
Ajuste
35,819
34,171
32,027
32,867
33,533
Ajuste SE
2,566
1,130
2,303
2,595
1,258
Residuo
-9,819
-6,771
-6,027
-4,867
6,567
Residuo
estndar
-1,72
-1,10
-1,04
-0,86
1,07
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
8,48
7,64
7,61
6,40
5,78
5,68
8,58
8,06
5,14
6,40
7,50
7,27
5,23
6,32
6,34
5,16
8,58
7,06
7,69
6,45
6,63
7,01
5,35
7,15
6,97
6,84
7,49
8,01
7,93
7,82
7,03
9,02
5,25
8,89
5,55
8,32
6,16
6,01
5,29
6,11
7,84
8,03
5,40
8,13
6,16
6,75
7,83
8,58
8,16
5,90
7,09
8,88
7,21
5,63
6,39
44,900
28,000
32,000
34,600
32,000
26,800
43,800
31,900
29,000
44,700
33,100
42,300
39,300
41,200
45,500
27,700
28,800
34,000
30,100
44,500
29,200
33,700
28,900
34,800
38,800
42,300
33,200
41,400
28,200
40,800
34,600
37,900
44,000
37,300
31,700
28,700
40,100
39,800
44,600
30,200
27,000
27,000
36,400
29,100
29,600
38,600
31,600
26,600
26,600
41,000
35,100
27,400
37,200
28,700
39,100
34,906
32,439
34,230
34,605
33,971
34,509
35,357
33,858
36,366
34,814
35,652
36,731
35,743
34,204
33,990
33,742
35,826
34,318
36,504
34,794
34,536
33,686
36,299
33,076
35,610
35,987
33,408
33,481
33,602
36,195
35,767
32,623
33,623
31,496
34,793
32,827
32,570
34,366
36,474
36,492
33,794
33,368
35,727
32,276
35,828
33,527
35,946
30,734
32,360
34,466
32,870
32,005
34,721
35,758
37,634
1,734
1,634
2,596
2,337
2,131
1,786
2,585
2,840
1,764
1,222
1,665
1,925
1,742
1,615
1,678
2,049
2,050
1,548
1,994
2,046
1,165
1,236
1,676
1,489
1,483
1,966
1,285
2,022
1,335
1,927
1,601
2,860
2,316
2,220
1,617
1,695
2,296
1,833
2,504
1,719
1,781
2,076
1,742
1,846
1,684
2,055
2,533
2,334
2,021
1,451
1,550
2,838
2,556
1,981
2,127
9,994
-4,439
-2,230
-0,005
-1,971
-7,709
8,443
-1,958
-7,366
9,886
-2,552
5,569
3,557
6,996
11,510
-6,042
-7,026
-0,318
-6,404
9,706
-5,336
0,014
-7,399
1,724
3,190
6,313
-0,208
7,919
-5,402
4,605
-1,167
5,277
10,377
5,804
-3,093
-4,127
7,530
5,434
8,126
-6,292
-6,794
-6,368
0,673
-3,176
-6,228
5,073
-4,346
-4,134
-5,760
6,534
2,230
-4,605
2,479
-7,058
1,466
1,66
-0,74
-0,39
-0,00
-0,34
-1,29
1,48
-0,35
-1,23
1,61
-0,42
0,94
0,59
1,16
1,91
-1,02
-1,19
-0,05
-1,08
1,64
-0,87
0,00
-1,23
0,28
0,53
1,06
-0,03
1,34
-0,88
0,77
-0,19
0,95
1,79
0,99
-0,51
-0,69
1,30
0,91
1,42
-1,05
-1,13
-1,08
0,11
-0,53
-1,03
0,86
-0,76
-0,71
-0,97
1,07
0,37
-0,83
0,43
-1,19
0,25
X1
5,03
7,28
8,44
5,07
7,20
8,48
7,64
7,61
6,40
5,78
5,68
8,58
8,06
5,14
6,40
7,50
7,27
5,23
6,32
6,34
5,16
8,58
7,06
7,69
6,45
6,63
7,01
5,35
7,15
6,97
6,84
7,49
8,01
7,93
7,82
7,03
9,02
5,25
8,89
5,55
8,32
6,16
6,01
5,29
6,11
7,84
8,03
5,40
8,13
6,16
6,75
7,83
8,58
8,16
5,90
7,09
8,88
Y
26,000
27,400
26,000
28,000
40,100
44,900
28,000
32,000
34,600
32,000
26,800
43,800
31,900
29,000
44,700
33,100
42,300
39,300
41,200
45,500
27,700
28,800
34,000
30,100
44,500
29,200
33,700
28,900
34,800
38,800
42,300
33,200
41,400
28,200
40,800
34,600
37,900
44,000
37,300
31,700
28,700
40,100
39,800
44,600
30,200
27,000
27,000
36,400
29,100
29,600
38,600
31,600
26,600
26,600
41,000
35,100
27,400
Ajuste
32,868
32,526
32,307
31,407
32,032
35,889
33,100
34,487
35,958
33,511
33,442
36,293
30,739
35,974
35,549
32,717
38,309
35,483
33,811
35,580
34,685
34,747
31,373
35,827
37,725
31,188
35,760
36,272
31,684
37,506
35,744
37,200
32,464
36,743
34,203
35,583
35,048
33,943
33,729
36,906
34,340
34,556
31,606
36,090
36,979
32,785
34,239
38,358
29,510
37,005
35,424
35,786
29,993
31,139
33,661
33,122
29,227
Ajuste SE
2,795
1,309
2,223
2,583
1,382
1,726
1,601
2,504
2,330
2,064
1,784
2,526
3,064
1,709
1,221
2,062
1,982
1,682
1,566
1,763
2,018
2,032
1,979
1,945
2,359
1,856
1,502
1,615
1,561
1,656
1,898
2,082
1,999
1,892
2,055
1,545
2,957
2,236
2,355
1,816
1,765
2,380
2,145
2,420
1,671
1,774
2,037
2,041
2,158
1,704
2,151
2,442
2,273
2,021
1,442
1,498
2,997
Residuo
-6,868
-5,126
-6,307
-3,407
8,068
9,011
-5,100
-2,487
-1,358
-1,511
-6,642
7,507
1,161
-6,974
9,151
0,383
3,991
3,817
7,389
9,920
-6,985
-5,947
2,627
-5,727
6,775
-1,988
-2,060
-7,372
3,116
1,294
6,556
-4,000
8,936
-8,543
6,597
-0,983
2,852
10,057
3,571
-5,206
-5,640
5,544
8,194
8,510
-6,779
-5,785
-7,239
-1,958
-0,410
-7,405
3,176
-4,186
-3,393
-4,539
7,339
1,978
-1,827
Residuo
estndar
-1,29
-0,87
-1,13
-0,63
1,38
1,56
-0,88
-0,45
-0,24
-0,27
-1,15
1,37
0,22
-1,21
1,55
0,07
0,70
0,66
1,27
1,72
-1,23
-1,05
0,46
-1,00
1,22
-0,35
-0,35
-1,27
0,54
0,22
1,15
-0,71
1,57
-1,49
1,17
-0,17
0,54
1,80
0,64
-0,91
-0,98
1,00
1,46
1,54
-1,17
-1,00
-1,28
-0,35
-0,07
-1,28
0,56
-0,76
-0,61
-0,80
1,25
0,34
-0,35
58
59
60
7,21
5,63
6,39
37,200
28,700
39,100
34,710
34,001
40,055
2,464
2,060
2,312
2,490
-5,301
-0,955
0,45
-0,94
-0,17
6.9. Explicar los fundamentos tericos que justifican o no, todos los pasos
seguidos desde el tem 6.1 hasta el tem 6.8.
Regresin lineal mltiple
La regresin lineal mltiple estima los coeficientes de la ecuacin lineal,
con una o ms variables independientes, que mejor prediga el valor de la
variable dependiente. Por ejemplo, se puede intentar predecir el total de
facturacin lograda por servicios prestados en una IPS cada mes (la variable
dependiente) a partir de variables independientes tales como: Tipo de
servicio, edad, frecuencia del servicio, tipo de usuario y los aos de
antigedad en el sistema del usuario.
Mtodos de seleccin de variables en el anlisis de regresin lineal
La seleccin del mtodo permite especificar cmo se introducen las
variables independientes en el anlisis. Utilizando distintos mtodos se
pueden construir diversos modelos de regresin a partir del mismo conjunto
de variables.
Para introducir las variables del bloque en un slo paso seleccione
Introducir. Para eliminar las variables del bloque en un solo paso, seleccione
Eliminar. La seleccin de variables Hacia adelante introduce las variables
del bloque una a una basndose en los criterios de entrada. La eliminacin
de variables Hacia atrs introduce todas las variables del bloque en un nico
paso y despus las elimina una a una basndose en los criterios de salida.
La entrada y salida de variables mediante Pasos sucesivos examina las
variables del bloque en cada paso para introducirlas o excluirlas. Se trata de
un procedimiento hacia adelante por pasos.
Los valores de significacin de los resultados se basan en el ajuste de
un nico modelo. Por ello, estos valores no suele ser vlidos cuando se
Colinealidad o multicolinealidad.
Una de las hiptesis del modelo de regresin lineal mltiple establece
que no existe relacin lineal exacta entre los regresores, o, en otras palabras,
establece que no existe multicolinealidad perfecta en el modelo. Esta
hiptesis es necesaria para el clculo del vector de estimadores mnimo
cuadrticos, ya que en caso contrario la matriz X'X ser no singular. La
multicolinealidad perfecta no se suele presentar en la prctica, salvo que se
disee mal el modelo.
En cambio, s es frecuente que entre los regresores exista una relacin
aproximadamente lineal, en cuyo caso los estimadores que se obtengan
sern en general poco precisos, aunque siguen conservando la propiedad de
lineales, insesgados y ptimos. En otras palabras, la relacin entre
regresores hace que sea difcil cuantificar con precisin el efecto que cada
regresor ejerce sobre el regresando, lo que determina que las varianzas de
los estimadores sean elevadas. Cuando se presenta una relacin
aproximadamente
lineal
entre
los
regresores,
se
dice
que
existe
multicolinealidad no perfecta.
Es importante sealar que el problema de multicolinealidad, en mayor o
menor grado, se plantea porque no existe informacin suficiente para
conseguir una estimacin precisa de los parmetros del modelo. El problema
de la multicolinealidad hace referencia, en concreto, a la existencia de
relaciones aproximadamente lineales entre los regresores del modelo,
cuando los estimadores obtenidos y la precisin de stos se ven seriamente
afectados.
Como la multicolinealidad es un problema muestral, ya que va asociada
a la configuracin concreta de la matriz X, no existen contrastes estadsticos,
propiamente dichos, que sean aplicables para su deteccin. En cambio, se
han desarrollado numerosas reglas prcticas que tratan de determinar en
qu medida la multicolinealidad afecta gravemente a la estimacin y
contraste de un modelo. Estas reglas no son siempre fiables, siendo en
algunos casos muy discutibles.
A continuacin se van a exponer dos procedimientos (el factor de
agrandamiento de la varianza y el nmero de condicin) que son los que
gozan de mayor soporte - especialmente el segundo - en la literatura
economtrica actual.
Factor de agrandamiento de la varianza. En un modelo de regresin
mltiple, si el regresor j-simo fuera ortogonal con respecto a los dems
regresores (es decir, si la correlacin con el resto de los regresores fuera
nula), la frmula para la varianza de un estimador
quedara reducida a
y la raz caracterstica ms
( )
informacin
de
inters
para
identificar
el
origen
de
la
de
las
modificaciones
que
experimenta
la
variable
DISCUSIN
Un aspecto que se olvida frecuentemente es que los modelos de
regresin se basan en hacer unas determinadas suposiciones sobre los
datos y que stas no siempre se cumplen, por lo que es preciso comprobar si
las hiptesis bsicas del modelo se dan en nuestros datos. Es lo que se
conoce como diagnstico del modelo. En el caso de los modelos de
regresin multivariable se utiliza el concepto de residuo: diferencia entre el
valor observado y el valor estimado por la ecuacin de regresin, es decir lo
que la ecuacin de regresin no explica para cada unidad de observacin.
En un modelo de regresin lineal que sea adecuado los residuos deben
seguir una distribucin normal con media 0 y varianza constante, por lo que
un posible diagnstico puede ser comprobar esa situacin. Se puede
efectuar de manera formal o mediante una grfica en la que se representa el
valor de los residuos frente al valor estimado
Los modelos de regresin pueden ser validados en otro conjunto de
datos de similares caractersticas, con el fin de evaluar su fiabilidad. Otra
posibilidad,
cuando
se
trabaja
con
muestras
grandes,
es
dividir
Valores de este ndice inferiores a 0.1 indican que el modelo es muy fiable
mientras que valores superiores a 0.9 corresponden a modelos muy poco
fiables.
La hiptesis para probar la significancia desde cualquier coeficiente de
regresin es
CONCLUSIONES
REFERENCIAS
APNDICE
los grficos
parciales.
Grficos de residuos tipificados. Puede obtener histogramas de los
residuos tipificados y grficos de probabilidad normal que comparen la
distribucin de los residuos tipificados con una distribucin normal.
La regresin a la media es la tendencia de una medicin extrema a
presentarse ms cercana a la media en una segunda medicin.
La regresin se utiliza para predecir una medida basndonos en el
conocimiento de otra. A menudo en una investigacin el objetivo es explicar
el comportamiento de una variable en trminos de ms de una variable
Tipos de regresin: lineal, logartmica, exponencial, cuadrtica y
cbica.
Regresin mltiple. Cuando hay ms de una variable independiente
x.
Un residual
y el valor