Professional Documents
Culture Documents
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
10
(
9
euros) , obtenga las estimaciones por MCO, as como
corrientes (
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
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
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
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
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
5.892
22,36
IC
IC (0.01223656619, 0.003224411807)
b21 4.698666667
b22 1.155555556
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
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
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
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
1.8
0.32
0.5
15
1.5
10
nY 22.5
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 (
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
X3
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
20
( X ' Y ) 59
88
9.1875
( X T X )* X T Y -22.4375
17.5625
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
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
2 3 1
b) Contraste de significacin para
[ ]
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
2+ 3=1
en el problema.
Pgina 14
[REGRESIN MLTIPLE]
0 2.5
0 0.3
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
[REGRESIN MLTIPLE]
X2
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
2 2
SOLUCIN:
Yt X 1t X 2t u2
][ ]
20 100 24
5
^= 100 680 100 255
24 100 48.8 146
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:
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
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
0.0063 0.0063
* 0.0388 0.0063 0.0063
* 1 0 0.0063 0.0562
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
4.125
20.0401 20.0401
111.4597
2*5.7382
4.125
Fcal F(0.05,2.17)
X2
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
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
Y 1.7857 1X 2t 2 X 2t
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
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)
7
X 0T 1 5 7
Y X 0T 17.2143
1.8571
0.1688 0.4109
11
X 0 56.3214
Por lo tanto:
17.2143 2.201*0.4109* 56.3214
P 10.3671 2 34.0625 95%
Pgina 22
[REGRESIN MLTIPLE]
BUPt 2 generot ut
notat 0 1notamedia
(7,1)
(2,3)
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
[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?
85
631
3126 13132
T
X X
532 3126 20666 78683
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
1
2
3
Pgina 24
[REGRESIN MLTIPLE]
El modelo de regresin:
Var
b) Estimar
Solucin:
X tY
que:
Y que:
t . X t Y 4552.552
Se tiene que:
2
SC R t . X tY n Y
SCR 159.551
Entonces, puesto que el enunciado nos indica que
que:
SCE SCT SCR
SCT 226.86
6.7309
n k 14 4
Var
Luego, la estimacin de
:
0.00101
0.0155 0.00512
1.3575
Var . X X
0.0155
0.00008
0.00024 0.000038
Pgina 25
, es inmediato
[REGRESIN MLTIPLE]
X 2t
en la variable dependiente?
X 2t
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
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
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
Pgina 28