qwertyuiopasdfghjklzxcvbn

mqwertyuiopasdfghjklzxcv
bnmqwertyuiopasdfghjklzx
REGRESIN MLTIPLE
cvbnmqwertyuiopasdfghjkl
EJERCICIOS DE APLICACIN
zxcvbnmqwertyuiopasdfghj
klzxcvbnmqwertyuiopasdfg
hjklzxcvbnmqwertyuiopasd
fghjklzxcvbnmqwertyuiopa
sdfghjklzxcvbnmqwertyuio
pasdfghjklzxcvbnmqwertyu
iopasdfghjklzxcvbnmqwert
yuiopasdfghjklzxcvbnmqwe
rtyuiopasdfghjklzxcvbnmq
wertyuiopasdfghjklzxcvbn
mqwertyuiopasdfghjklzxcv
bnmqwertyuiopasdfghjklzx
cvbnmqwertyuiopasdfghjkl
zxcvbnmqwertyuiopasdfghj
klzxcvbnmqwertyuiopasdfg
SHEILA DANESKA INFANTE RUJEL

[REGRESIN MLTIPLE]
EJERCICIOS DE REGRESIN MLTIPLE
1. Usando los siguientes datos, consumo nacional (

nacional

R
( t)

Ct

) y renta

en Espaa para el periodo 1995-2005 a precios

10
(
9
euros) , obtenga las estimaciones por MCO, as como
corrientes (

las sumas de cuadrados total, explicada y residual , y el coeficiente de

Ct = 1 + 2 Rt +u t
determinacin, para el modelo de regresin
AO
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005

Ct
349
368
388
414
444
484
518
550
586
635
686

Rt
388
408
433
465
498
538
574
614
656
699
748

SOLUCIN:

Xi=6021

Yi=5422

Y =492.90909

XiYi=3104015

Yi 2=2798598

XY nx y

1=

Xi 2=3443083

nx

( 3104015 )(11)(547,36364)( 492,90909)

2
344308311(547,36364)

1 = 0.9240389525 0.92404
0 =y-1 x=(492.90909)-(0.92404)(547.036364)=-12.87680791
Pgina 1

X =547.36364
N=11

[REGRESIN MLTIPLE]

Interpretacin:
0
: Se puede estimar que cuando la renta nacional en Espaa es cero el
consumo nacional es -12.87681.
1

: Estimamos que el incremento de la renta nacional es de 0.92404 por

unidad.

La Ecuacin General:
Yi
=12.87681+ 0.92404 Xi
Y=consumo nacional (t)
X=renta nacional (rt)
SCR=1 x i yi nxy =0.92404(3104015-11(547.36364)(492.90909)=125862.8872

SCR=125862.8872
SCT =( n1 ) S2 Y =10 ( 12604.49091 )=126044.4091
SCT= 126044.4091
SCE =SCT SCR=126044.4091125862.8872=182.0218909

SCE=182.0218909
2

r=

SCR 125862.8872
=
=0.9985558965 0.99856
SCT 126044.4091

El modelo de regresin lineal simple explica que el 99.9% de las variables renta
nacional con relacin a la consumo nacional, tienen una relacin muy buena al ser
el coeficiente de determinacin muy cercana a la unidad.
MEDIANTE MATRICES:
X
=( t 1 ( X t Y
X

Pgina 2

[REGRESIN MLTIPLE]

2.12343044 0.00371329

0.00371329 6.78396 06

( X ' X ) 1

5422

3104015

( X 'Y )
*

12.8761329

0.92403877
Ct =12.8761329+0.92403877 Rt +ut
FV
Regresi
n
Residuo
s
Total

GL
1
9
10

SC
125862.7
33
182.1756
21
126044.9
09

SCT=126044.909
SCE =182.175621

COEFICIENTE DE DETERMINACIN

R2=1

CM
125862.73
3
20.241735
7

F
6217.9812
71

182.175621
=
0.99855468
126044.909

El 99,86% de las variaciones del Consumo Nacional estn explicadas por

las variable renta y el 0,14 % estn explicadas por otras variables
2. Una desea estimar los gastos en alimentacin de una familia Y en base
a la informacin que proporcionan las variables regresora
X 1=ingresos mensuales
X 2=nmero de miembros de la familia
y
.Para
ello se recoge una muestra aleatoria simple de 15 familias cuyos
resultados son los de la tabla adjunta (El gasto e ingreso est dado en
miles de dlares)
0.4 0.3 0.3
GASTO 3
1
2

0.4 1.2 0.4 0.5 0.2 1.2 0.3 0.3 0.7 0.4 0.4 0.3
6
5
4
2
9
9
5
5
8
3
7
8
Pgina 3

[REGRESIN MLTIPLE]
INGRE
SO
2.1 1.1 0.9
TAMA
O
3
4
5

1.6 6.2 2.3 1.8 1.0 8.9 2.4 1.2 4.7 3.5 2.9 1.4
4

a) Encontrar y estimar el modelo.

b) Interpretar los coeficientes
c) Calcular los intervalos de confianza de los parmetros del modelo al
90% , para la

d) Encontrar la varianza de los estimadores del modelo

e) Los intervalos de confianza y pruebas de hiptesis para los coeficientes.
Solucin (VER EXCEL ):
42
55
15
( X ' X ) 42 188.08 140.8
55 140.8 219

8.07
( X ' Y ) 32.063
28.96
0.16045804
( X ' X ) *( X ' Y ) 0.14872702
0.07691519
a) Encontrar y estimar el modelo :
=0.16045804+ 0.14872702 x 1+ 0.07691519 x 2
b) Interpretar los coeficientes
0=
b -0.16045804 nos indica los gastos en alimentacin en miles de
dlares, cuando no hay ingresos mensuales y tampoco nmero de
miembros de la familia
b1=0.14872702 Nos indica los gastos en alimentacin en miles de dlares
por cada ingreso mensual, sin tener en cuenta el nmero de miembros de la
familia.

Pgina 4

[REGRESIN MLTIPLE]
b2=0.07691519 Es el incremento en los gastos de alimentacin en miles
de dlares por cada miembro de la familia sin tener en cuenta los ingresos
mensuales.
c) Calcular los intervalos de confianza de los parmetros del modelo al
2
90% , para la

(15 2 1)(0.006008154) (15 2 1)(0.006008154)

,

5.892
22,36

IC

IC (0.01223656619, 0.003224411807)

d) Encontrar la varianza de los estimadores del modelo

b20 0.095442667

b21 4.698666667

b22 1.155555556

e) Los intervalos de confianza y pruebas de hiptesis para los

coeficientes.

j t / 2,( n k 1) 2C jj j t / 2,( n k 1) 2C jj
-0.160458043-2.179 0.006008154(0.095442667) 0 -0.160458043+2.160 0.006008154(0.095442667)

-0.357398981 0 0.036482895

0.127001389 1 0.170452656
Pgina 5

[REGRESIN MLTIPLE]

0.033106092 2 0.120724296

Regresin

GL
2

Residuos

12

Total
Ftab 3,89

14

Se rechaza la

H0

SC
1.35954215
2
0.07209784
8
1.43164

CM
0.67977107
6
0.00600815
4

F
113.1414
2

de manera que el modelo en conjunto es bueno para

explicar la variable dependiente

3. La funcin de beneficios de los operadores de telefona mvil

nuestro pas podra corresponder a una funcin del siguiente tipo:
^ i=0 .276 +2. 091 X 2 i0 . 63 X 3 i
i=1,2,.,5

en

Donde:
Y i=Beneficios obtenidos en elltimo trimestre por lacompaia i
X 2 i=Tipos de contratos que ofrece a sus clientes lacompaia i
X 3 i=Precio medio delcoste de llamada en lacompaia i
En relacin con el modelo anterior se conoce la siguiente informacin:
5 11 12

X 'X
? 29

32

14
X ' Y 35

37

y 2=8.8

Y 2=48

Se completa la matriz de :

Pgina 6

[REGRESIN MLTIPLE]

0.276

B 2.091
0.63

( X T X ) B X TY
Por frmula sabemos que
5 11 12 0.276
14
11 27 29 2.091 35

12 29 32 0.63 37

Multiplicando matrices:
(11* 0.276) ( a * 2.091) (29* 0.63) 35
3.036 ( a * 2.091) (18.27) 35
(a *2.091) 56.306
a 26.9278 27
X TY

Entonces
5 11 12

11 27 29
12 29 32

4. Una empresa farmacutica est interesada en retirar del mercado uno

de sus complejos vitamnicos. La decisin adoptada consistir en
eliminarlo de su produccin si los beneficios no se ven afectados y
mantenerlo en el caso de que estos varen de forma significativa. Con
el fin de tomar una decisin se ha elaborado un modelo economtrico
para explicar los Beneficios (Y) a partir de los costes del complejo
vitamnico cuya exclusin se est planteando (X2) y los costes totales
de produccin (X3).Acerca de estas variables se conoce la estimacin
del siguiente modelo de regresin :
^y t =1.80.32 x 2t 0.5 x 3 t
Y la siguiente informacin:

n=10

Pgina 7

[REGRESIN MLTIPLE]
Y
Y t

Y t =15
Y t X 3 t=4.1

Y t X 2t =2.8

Suponga que Vd. es el asesor econmico del Director

de la empresa farmacutica y debe aconsejarle acerca de la produccin

para el prximo, para ello debe responder a las siguientes preguntas:
a) Contribuyen globalmente las variables seleccin en la explicacin de la
variacin de la variable beneficios?
b) Con la finalidad de analizar la sensibilidad de los beneficios a los costes
X
del mencionado complejo ( 2 se ha estimado este modelo
alternativo en el que se excluye esta variable .De este modelo se
conoce el coeficiente de bondad de ajuste

R2=0.97

SOLUCIN:
a) Contribuyen globalmente las variables seleccin en la explicacin
de la variacin de la variable beneficios?

15

X T Y 2.8
4.1

T

X Y 24.054
T

SCT (Yt Y )2 2.5

1.8
0.32

0.5

1.8 0.32 0.5

15
1.5
10

nY 22.5

SCR 24.054 22.5 1.554

SCE 2.5 1.554 0.946

ANVA:
H 0 : 2 3 0

H1 : 2 3 0

F.V

GL

SC

CME
Pgina 8

Fcal

F(0.05,2,7)

[REGRESIN MLTIPLE]
Regresi
n
Residuo
s
Total

1.554

0.777

0.946

0.135142857

5.749471
46

4.7374141
3

9
2.5
Fcal F(0.05,2,7)
H0
Se rechaza
Existe suficiente evidencia estadstica para
concluir que los costes de complejo vitamnico y los costes totales
influyen significativamente en los beneficios.
b) Con la finalidad de analizar la sensibilidad de los beneficios a los costes del
mencionado complejo (

X 2 se ha estimado este modelo alternativo en el

que se excluye esta variable .De este modelo se conoce el coeficiente de

bondad de ajuste

R =0.97

1.554
0.6216
2.5
R 2 ajust 1 (1 R 2 )*( glT / glE ) 1 (1 0.6216)*(2 / 7)
R2

5. El gerente de un polideportivo municipal ubicado en el interior d una

provincia situada en la costa por experiencia de los 5 aos anteriores,
que el nmero de entradas vendidas al da (Y) depende del nmero de
X2
kilmetro de distancia a la playa ms cercana (
y del nmero de
piscinas particulares situadas en la zona (

X3

Dispone adems de la siguiente informacin:

0.5625 0.6875 0.4375
20

sbb
1.4375 1.0625
X ' Y 59

88
0.8125

S y2 2

R 2 0.95

Donde el modelo:
Yi 1 2 . X 2i 3 . X 3i i
a) Contraste las siguientes hiptesis:

Pgina 9

[REGRESIN MLTIPLE]

H 0 3 1 35
2 2 180
c) La suma de los efectos de la variable

H0 :
-

X2 y X3

es nula?

3 1 35
2 2 180

Contraste la siguiente hiptesis:

Solucin:
Y: N de entradas al da.
X2: n de kilmetros de distancia a la playa ms cercana.
X3: n de piscinas particulares situadas en la zona.

0.5625 -0.6875 0.4375

( X ' X ) -0.6875 1.4375 -1.0625
0.4375 -1.0625 0.8125
1

20
( X ' Y ) 59
88
9.1875
( X T X )* X T Y -22.4375

17.5625

Entonces el modelo es:

Yi 1 2 . X 2 i 3 . X 3i i
Yi 9.1875 22.4375 X 2i 17.5625 X 3i i

Hiptesis general

Pgina 10

[REGRESIN MLTIPLE]

H0 :

3 1 35
2 2 180

-1
K 0
1

0
2
0

-1
K
0

0
2

1
0

35

180

r=2

Q [ K T m]T [ K T ( X T X ) 1 K ]1[ K T m]

[ K-1T 0 m]T1
0 2 0

-26.625

9.1875
-22.4375
17.5625

35
-180

135.125

[ K T m]T

-1 0 1
[ K T ( X T X ) 1 K ]1
0 2 0
0.562 0.687
5
5
0.687 1.437
5
5
2.486486 0.324324
49
32
0.437 1.062
0.324324 0.216216
5
5
32
22
-26.625
135.125

[ K T m]

0
0.437
5
1.062
5
0.812
5
-1
0
2
1
0

[ K T ( X T X ) 1 K ]1

Pgina 11

[REGRESIN MLTIPLE]
POR LO TANTO

m]
Q [ K T m]T [ K T ( X T X ) 1 K ]1[ K T
135.12
26.625 5

Q
3376.84291

Fcal

Q S
Q

2
2

S .

Fcal

3376.84291
2* 2

2.486486
49
0.324324
32
26.625
135.125

0.324324
32
0.216216
22

Fcal 844.2107
Ftab 10.13

Fcal Ftab

H0

Decisin:

; se rechaza la
al 95% de confianza.
H0
Por lo tanto como
se rechaza no se puede construir un cuadro ANVA para el
modelo reducido.

Pgina 12

[REGRESIN MLTIPLE]

Yt 1 2t 3t ut
6. Para el modelo
n 12

X 'X

SCT 104 '9167

se tiene los siguientes datos:

0.6477 0.041 0.0639

0.041 0.0071 0.0011

0.0639 0.0011 0.0152

91

X ' Y 699
448

,
Se pide:
a) Ajustar el modelo por el mtodo de MCO y calcular el coeficiente de
determinacin
2 3 1
b) Contraste de significacin para
0 2.5 0 0.3
c) Intervalo de prediccin para E[Y] sabiendo que
VER EN EXCEL:
a) Ajustar el modelo por el mtodo de MCO
determinacin

y calcular el coeficiente de

][ ] [ ]

0.6477
0.041 0.0639 91
1.6545
^=( X T X )1 ( X T Y ) = 0.041
=
0.0071 0.0011 699
0.7391
0.06369 0.0011 0.0152 448
0.2258
1=1.6545 2=0.7391 3=0.2258

Interpretacin:
1
: estimamos que la variable dependiente se incrementa en 1.6545 cuando las
variables independientes son cero.
2:
El incremento de Y es de 0.7391 por unidad cuando

no se tiene en

cuenta
3:
El incremento de Y es de 0.2258 por unidad cuando

no se tiene en

cuenta.
SCE= ^ T X T Y N Y 2 N=12 Y =

Y = 91 =7.58333
N

12

Pgina 13

[REGRESIN MLTIPLE]

[ ]

91
^ T X T Y = [ 1.6545 0.7391 0.2258 ] 699 =768.3488
448
2

SCE=768.348812 ( 7.58333 ) =78.26547

2 3 1
b) Contraste de significacin para

H 0 : 2+ 3 =1 + 1=0 m=1 K =(0 1 1)

2
3
H 1 : 2 + 3 1

[ ]

1.6445
K ^m=[ 0 1 1 ] 0.7391 1=0.0351
0.2258

][ ]

0.6477

0.041 0.0639 0
0.0071 0.0011 1
0.06369 0.0011 0.0152 1

K ( X T X ) K T =[ 0 1 1 ] 0.041

[]

0
1
K ( X T X ) K T =[ 0.1049 0.006 0.0141 ] 1 =0.0201
1
1

K ( X T X ) K T =0.0201
SCR SCT SCE 104.916778.2654
^ 2=
=
=
=2..962
N K
NK
9
^ 2=2.962

Fcal =

0.03512
=0.0207 F tab =F1,9,0.05 =5.117
2.962 0.0201

Fcal < F tab SE ACEPTA H 0

Podemos concluir diciendo que

2+ 3=1

en el problema.

Pgina 14

[REGRESIN MLTIPLE]

0 2.5

0 0.3

c) Intervalo de prediccin para E[Y] sabiendo que

Intervalos de confianza
E [ Y ] : V 0=2.5 W 0=0.3
Y =1.6545+0.7391 V 1 +0.2458 W 2 + t =3
Y =3.43451
X
1
X 0 ( T X ) X 0
Y^ 0= t nk1 , / 2
T

X
0.6477
0.041 0.0639
1
( T X )1 X 0=[ 1 2.5 0.3 ] 0.041
0.0071 0.0011 2.5 =
0.06369 0.0011 0.0152 0.3
X 0T

][ ]

X
( T X ) X 0=0.52837
X 0T
1

3.43451(2.2622)(1.721)( 0.727)

[ 0.60451; 6.26451 ]

r 2=

SCE 78.26547
=
=0.7459
SCT 104.9167

El modelo de regresin mltiple explica que el ajuste realizado explica

aproximadamente un 74.59% de la variabilidad de la dependiente.
7. En un estudio de los determinantes de la inversin se usaron 20 datos
anuales, correspondientes a las siguientes variables: inversin anual
X1
en billones de pesetas (Y), tipo de inters en porcentaje (
y
Pgina 15

[REGRESIN MLTIPLE]
X2

variacin anual de PIB en billones de pesetas (

siguiente informacin:
X 1t =100

X 2t =24

X 1t Y t =255

X12t 680

Y t =5

X 2t Y t =146

X 1t Y 2 t =100

Y Y

X 22t 48'8

.Se dispone de la

Se pide:

1200

Yt X 1t X 2t u2

a) Obtenga las estimaciones por MCO de modelo

b) Contraste la significacin global del modelo a partir del porcentaje de
evolucin temporal de la inversin que puede explicarse por la influencia
lineal del tipo de inters y la variacin anual del PB.
c) Contraste la hiptesis nula:
1 1

2 2
SOLUCIN:

Yt X 1t X 2t u2

a) Obtenga las estimaciones por MCO de modelo

][ ]

20 100 24
5
^= 100 680 100 255
24 100 48.8 146

23184 2480 6320

( T X )1= 2480
400
400 (20 ( 23184 ) 100 (2480 )+ 24 ( 6320 ) )=(64000)
6320
400
3600

X
23184 2480 6320
2480
400
400
0.36225 0.03875 0.09875
6320
400
3600
( T X )1=
= 0.03875 0.00625
0.00625
64000
0.09875 0.00625
0.05625

Pgina 16

[REGRESIN MLTIPLE]

][ ] [ ] [ ]

0
0.36225 0.03875 0.09875
5
2.725
^= 0.03875 0.00625
0.00625 255 = 0.875 = 1
0.09875 0.00625
0.05625
146
6.125
2
Y =2.7250.875 X 1+ 6.125 X 2+

Interpretacin:
0
: Inversin anual en billones de pesetas (Y), es de -2.725 cuando tipo de
inters en porcentaje (X1) y variacin anual del PBI en billones de pesetas(X 2) es
cero.
1:
La inversin anual en billones de pesetas tiene una disminucin de -0.875
por unidad cuando no se tiene en cuenta la variacin anual del PBI en billones de
2
pesetas sin tener en cuenta
.
2:

Nos indica que la inversin anual en billones de pesetas se incrementa en

6.125 por unidad cuando no se tiene en cuenta

b) Contraste la significacin global del modelo a partir del porcentaje de evolucin

temporal de la inversin que puede explicarse por la influencia lineal del tipo de
inters y la variacin anual del PB.
SIGNIFICANCIA GLOBAL:
FV
GL
X1 , X2
K=2
i
SCT

SC
1102.5

CME
551.25

n-K-1=17

97.5

5.73529

n-1=20

1200

F calculado
96.11545362

Tenemos entonces:
1102.5
2
R=
=0.9187
1200
EL MODELO EXPLICA EL91.87 DE VARIABILIDAD DE LA INVERSION ANUAL EN PESETAS

Probar:

H 0 : 1=1

2=2
SCR= ^ X Y N Y
T

Pgina 17

[REGRESIN MLTIPLE]

[ ]

5
^ T X T Y = [2.7250.8756.125 ] 255 =1103.75
146
SCR=1103.7520 ( 0.25 )2=1102.5 SCT =1200
SCE =12001102.5=97.5

Ftab =F , , K , nk1=F 0.05,2,17=3.59

Ftab (3.59)< F cal (96.14545)
Se rechaza H0, el modelo en su conjunto si es significativo.
c) Contraste la hiptesis nula:
Finalmente para contrastar la hiptesis:
1
H0 : 1
2 2
Se tiene que
0 1 0
K

0 0 1

1
m
2

s2

En tal caso:

0 1 0
K m

0 0 1

2.725
1.875

1
* 0.875

4.125

6.125 2

0 1 0
K(X X ) *K

0 0 1
T

0.8623 0.0388 0.0988 0 0

0.0063 0.0063
* 0.0388 0.0063 0.0063
* 1 0 0.0063 0.0562

0.0988 0.0063 0.0562 0 1

Adems:
SCE SCT SCR 97.55

97.55
5.7382
17

Por lo tanto:

Pgina 18

[REGRESIN MLTIPLE]

Fcal

1.875

F(0.05,2.17) 3.59

178.7702 20.0401 1.875

4.125
20.0401 20.0401

111.4597
2*5.7382

4.125

Fcal F(0.05,2.17)

Se rechaza la hiptesis nula.

8. Se desea estudiar la influencia que sobre la demanda de carne de

X1
vacuno ha tenido el precio de la carne de cerdo (
y de la ternera
(

X2

.Para ello se han tomado datos anuales desde 1979 a 2001

(ambos inclusive), obtenindose los siguientes resultados:

2
Y^t =2,1+ 0,7 X 2 t 1,5 X 2 t
R =0,9
SCE=126
Se podra afirmar, para un nivel de confianza del 95% que los precios no
influyen sobre la demanda de ternera? Para saber si los precios de la carne
de cerdo y de ternera influyen en la demanda de la carne estudiaremos la
significacin conjunta del modelo. Puesto que:
R2
0,9 / 2
0, 45
Fexp k 12

90 3, 49 F2,20 (0,95) Fk 1,n k (1 )

1 R
0,1/ 20 0, 005
nk
Solucin:
Como se observa en el enunciado podemos darnos cuenta que nos pide que
demostremos o probemos si existe una relacin significativa entre la variable
X ;X
dependiente y las variables independientes ( 1 2 )

Pgina 19

[REGRESIN MLTIPLE]
Para saber si los precios de la carne de cerdo y de ternera influyen en la demanda
de la carne estudiaremos la significacin conjunta del modelo. Es decir usaremos
la prueba F.
F=

R2 /k 1
1R2 /nk

; En donde aqu tomamos a k como el

nmero de variables, es decir;

Entonces:

H 0= 1= 2=0

K =3 n=23

H 1= 1= 2 0

90>3.49=F0.05 ;2 ;20
Entonces rechazamos la hiptesis nula; por lo que afirmamos que los precios de la
carne cerdo y de ternera influyen sobre la demanda de carne de vacuno.

Yt 1 2 . X 2t 3 . X 3t ut
9. Para estimar el modelo
muestra de la cual ha resultado:
14 7 14
10

X ' X 7 4,5 7
X ' Y 6
14 7 15
12

se ha obtenido una

Y ' Y 14

Se pide:
a) Estimar los coeficientes del modelo por MCO
b) Estudiar la significacin del modelo.
2 1 3
c) Contrastar el intervalo de prediccin
X 2 5, X 3 7
d) Calcular el intervalo de prediccin
Y =10 /14

Pgina 20

Y =10

[REGRESIN MLTIPLE]
Solucin:
a) Las estimaciones de los coeficientes ser de la siguiente forma:

1.3214 0.5 1 10

( X X ) X Y 0.5
1
0 6
1

0
1

12
t

1.7857

1
2

Por tanto el modelo de regresin quedara de la siguiente forma:

Y 1.7857 1X 2t 2 X 2t

b) Para estudiar la significacin del modelo recurrimos al contraste del ANVA,

de manera que el modelo ser significativo si:
Teniendo en cuenta que:

10 Y

10
0.7143
14

H 0 : B2=B3 =0
H 1 : almenos un Bi 0i=2,3

10
X Y 1.7857 1 2 * 6
12.1429
12

T

SCR 12.1429 14(0.7143)2 4.9998

SCT 14 14(0.7143) 2 6.8569
SCE 6.8569 8074 1.8571

Pgina 21

10
0.7143
14

[REGRESIN MLTIPLE]
FV
REGRES
ION
ERROR

GL

TOTAL

SC
3

5.0

11

1.857142
86
6.9

13

CME
1.666666
67
0.168831
17

Fcal
9.871794
87

Ftab
3.59

Fcal F(0.05,3,11)
H0

Se rechaza

. El modelo es significativo.

a. Contrastar la hiptesis

K 0 1 1

B 2+1=B 3

m 1

VER EXCEL:

s 1

1.7857
K m 0 1 1 *
1
1 0

Fcal 0

F(0.05,1,11) 4.84

Fcal F(0.05,1,11)

Por lo tanto no se rechaza a la hiptesis.

b. Intervalo de prediccin:
1

X 0 5

7
X 0T 1 5 7
Y X 0T 17.2143

1.8571
0.1688 0.4109
11

24.0615 y 10.3671 0.95 X 0T X T X

X 0 56.3214

Por lo tanto:
17.2143 2.201*0.4109* 56.3214
P 10.3671 2 34.0625 95%

10. Al objetivo de determinar si existen o no diferencias en las

calificaciones obtenidas por hombres y mujeres en una determinada
asignatura, a partir de 20 observaciones se estim el modelo:

Pgina 22

[REGRESIN MLTIPLE]

BUPt 2 generot ut

notat 0 1notamedia

, donde la variable genero

toma el valor 1 si se trata de una mujer y 0 para un varn. Los resultados de
la estimacin fueron los siguientes:
n^
ota t=25+ 0,75 notamedia
BUP t +20,5 generot
R2=0,72
(4,5)

(7,1)

(2,3)

Puede decirse que los resultados de unos y otros son distintos?

SOLUCIN:
Teniendo en cuenta que la nota esperada para un varn y una mujer son,
respectivamente:

E notat / generot 0 0 1notamediaBUPt

E notat / generot 1 0 1notamediaBUPt 2

Se tiene que, para una misma nota media en BUP, la diferencia esperada entre la
nota de una mujer y un hombre viene determinada por:

E notat / generot 1 E notat / generot 0 2

Como el contraste de significacin individual para dicho parmetro es significativo:

texp

20.5
8.913 2.0003 t60 (0.975)
2.3

Se tiene que dicho parmetro es distinto de cero. Por tanto, puede afirmarse que
los resultados de unos y otros son distintos.
Adems, como la estimacin de dicho parmetro es positiva, la nota esperada
para una mujer es mayor que la de un hombre (siempre y cuando tengan la misma
nota media en BUP).
11. Con informacin muestral relativa a 14 observaciones, se pretende
estimar el modelo de regresin:
Yt 0 1. X 1t 2 . X 2t 3 X 3t ut
A partir de:
14

248

85
631
1622

X 'X
X 'Y
532 3126 2066

9202

2094 13132 78683 317950

37592
,
Se pide:
Pgina 23

[REGRESIN MLTIPLE]
a) Calcular las estimaciones de los parmetros de modelo por MCO
^
b) Estimar Var ( )
c) Influye las variaciones de

X2t

en la variable dependiente?

d) Calcular el coeficiente de determinacin corregido

e) Calcular un intervalo de confianza del 95% para la varianza del trmino
de perturbacin
f) Contrastar la significacin global del modelo al 95%.
SOLUCIN:
a) Calcular las estimaciones de los parmetros de modelo MCO:
- Completamos la matriz:
85
532
2094
14

85
631
3126 13132
T

X X
532 3126 20666 78683

2094 13132 78683 317950

Hallamos la inversa de la matriz

X X
T

20.164
0.015065
0.23145
0.7617

0.015065
0.013204
0.001194
0.00094

XTX

0.23145 0.7617

0.001194 0.00094
0.003635 0.000575

0.000575 0.000401

1
X t X X tY

Hallamos
20.164
0.015065
0.23145
0.7617

0.015065
0.013204
0.001194
0.00094

32.891

0.80371
0.3982

0.03713

0.23145 0.7617
248

0.001194 0.00094 1622

*
0.003635 0.000575 9202

0.000575 0.000401 37592

1
2
3
Pgina 24

[REGRESIN MLTIPLE]

El modelo de regresin:

Yt 32.891 0.80371X 1t 0.3982 X 2 t 0.03713 X 3t

Var
b) Estimar
Solucin:

Teniendo en cuenta (por construccin del vector

248
Yt 248 Y 14 17.714

X tY

que:

Y que:
t . X t Y 4552.552
Se tiene que:
2
SC R t . X tY n Y

SCR 4552.552 14 17.714

SCR 159.551
Entonces, puesto que el enunciado nos indica que
que:
SCE SCT SCR

SCT 226.86

SCE 226.86 159.551

SCE 67.309
Y por tanto:
SCE 67.309
2

6.7309
n k 14 4

Var

Luego, la estimacin de
:
0.00101
0.0155 0.00512
1.3575

0.00101 0.000888 0.00008 0.000063

1
2
t

Var . X X
0.0155
0.00008
0.00024 0.000038

0.00512 0.000063 0.000038 0.000027

Pgina 25

, es inmediato

[REGRESIN MLTIPLE]
X 2t

c) Influyen las variaciones de

en la variable dependiente?
X 2t

A partir de ambas estimaciones podremos determinar si las variaciones de

Yt
influyen en :
0.3982
tcal
25.704
0.00024
ttab t(0.05,10) 2.228
tcal ttab

2 0

X 2t

Se rechaza que
, por lo que
influye en la variable dependiente.
d) Calcular el coeficiente de determinacin corregido
Solucin:
Para calcular el coeficiente de determinacin corregido tendremos en cuenta la
siguiente expresin:
n 1
R 2 1 1 R2 .
nk
Puesto que:
159.551
R2
0.7033
226.86
Entonces:
R 2 1 1 0.7033 .

13
10

R 2 0.6143

Podemos observar que al eliminar la influencia de las variables explicativas el

coeficiente de determinacin ha disminuido alrededor del 9%.
e) Calcular un intervalo de confianza del 95% para la varianza del trmino de
perturbacin
Solucin:

Pgina 26

[REGRESIN MLTIPLE]

IC 2

IC 2

n k . 2 n k . 2
2
, 2

X
X

k
,1

k
,

10 6.7308 10 6.7308

20.483
3.247

IC 2 3.286 2 20.73

f) Contrastar la significacin global del modelo al 95%

Para contrastar la significacin del modelo construiremos la tabla ANOVA:
F.V
GL
SC
CM
Fcal
Ftab
Regresi 3
159.551 53.1836 7.9014
3.71
n
7
Residuos 10
67.309
6.7309
Total
13
226.86
Ftab F(0.05,3,10) 3.71
Fcal Ftab

Decisin:
se rechaza la hiptesis nula de que todos los coeficientes son
nulos de forma simultnea, por tanto el modelo es significativo en su conjunto

Yt 1 2 . X 2t 3 . X 3t 4 X 4t ut
12. Dado el modelo
,utilizando una muestra
de 20 datos, se procedi a su estimacin, obtenindose:
2
Y^t =8,34 +0,7 X 2 t 0,4 X 3 t + 0,1 X 4 t
R =0,96

texp

0.7
1.25 2.12 t16 (0.975)
0.56

texp

0.4
0.5714 2.12 t16 (0.975)
0.7

texp

0.1
0.2 2.12 t16 (0.975)
0.5

Pgina 27

[REGRESIN MLTIPLE]
Adems, el coeficiente de determinacin es bastante alto y el modelo es
conjuntamente significativo:

Fexp

R2
0.93 / 3
0.32
k 12

128 3.24
1 R
0.04 /16 0.0025
nk

F3,16 (0,95) Fk 1,n k (1 )

Todo esto nos hace pensar en la posible existencia de multicolinealidad en el
modelo.
b) si hay algn problema, indique la forma ms adecuada de solucionarlo:
La principal solucin para eliminar la relacin lineal entre las variables
independientes consiste en eliminar del modelo la variable que causa la
multicolinealidad.

Pgina 28