Documente Academic
Documente Profesional
Documente Cultură
REGRESIN LINEAL
MLTIPLE
Informe de laboratorio
ALUMNO:
Jefferson Eduardo Abarca Romero
COD: 13090198
AULA: 405 TURNO: maana
TABLA DE CONTENIDO
INTRODUCCIN.......................................................................................3
MARCO TERICO...................................................................................4
PREGUNTAS DEL INFORME.................................................................6
1. Condiciones que debe cumplir las variables independientes para
formar parte de un modelo mltiples..................................................................6
2. Condiciones debe cumplir la parte de perturbacin del modelo
mltiple........................................................................................................................6
3. Causas para asumir que existe colinealidad o multicolinealidad........7
4. Si tenemos el caso de multicolinealidad cmo construimos un
modelo confiable para hacer el pronstico?....................................................7
5. Evale los ejercicios de la separata y construya el modelo adecuado
para hacer el pronstico.......................................................................................12
CONCLUSIONES.....................................................................................52
RECOMENDACIONES...........................................................................53
INTRODUCCIN
El objeto de un anlisis de regresin es investigar la relacin estadstica
que existe entre una variable dependiente (Y) y una o ms
variables independientes (
). Para poder realizar esta
investigacin, se debe postular una relacin funcional entre las variables.
Debido a su simplicidad analtica, la forma funcional que ms se utiliza en la
prctica es la relacin lineal. Cuando solo existe una variable independiente,
esto se reduce a una lnea recta:
MARCO TERICO
El modelo de regresin mltiple con k variables explicativas, para el modelo
poblacional, es el siguiente:
Yi = 0 + 1 Xi1 + 2 Xi2 + + k Xij + ei
Donde:
Yi: Es la variable de datos independientes para la i-esima observacin
j: Es el coeficiente de la j-esima observacin
Xij: Es la j-esima variable independiente para la i-esima observacin
Ei: es el i-esimo error
COEFICIENTE DE DETERMINACIN.
SCM
R2
SCT
(Yi Y )
i 1
n
(Yi Y )
i 1
Donde:
SCM: Suma de cuadrados del modelo
SCT: Suma de cuadrados totales.
EL ERROR ESTNDAR DE LA REGRESIN MLTIPLE
Es una medida de dispersin la estimacin se hace ms precisa conforme el grado de
dispersin alrededor del plano de regresin se hace ms pequeo.
Para medirla se utiliza la frmula:
MULTICOLINEALIDAD
las diferencias entre los valores calculados por el modelo y los realmente
observados en la variable dependiente para temer un buen modelo de
regresin no es suficiente con que los residuos sean pequeos.
NUMERO DE VARIABLES INDEPENDIENTES: podemos estar tentados en
modelo mltiple
Es conocida tambin como el error; la simbologa utilizada para la perturbacin
aleatoria es la siguiente: .
Esta recoge todos aquellos factores de la realidad no controlables u observables
y que por tanto se asocian con el azar y es la que confiere al modelo su carcter
estocstico (es aquel cuyo comportamiento es no determinista)
Esta perturbacin o error sigue el supuesto de modo que tiene distribucin
normal con media cero, adems la varianza es constante.
Que una variable X1 sea combinacin lineal de otras X2,..., Xi con i>2, significa
que dichas variables estn relacionadas por la expresin X1 = b1 > + b2 X2 +...
+bi Xi, siendo b1,..., bi constantes y por tanto, el coeficiente de correlacin
mltiple RX1|X2,...Xi tambin ser 1.
MULTICOLINEALIDAD
En primer lugar se debe colocar todos los datos en el SPSS, primero en la vista
de variables y luego se pasan todos los datos que tenemos. Algo que es
importante es elegir en medida Escala.
Regresin
Resumen del modelob
Modelo
,661a
R cuadrado
R cuadrado
Error tp. de la
corregida
estimacin
,437
,061
Durbin-Watson
63,095828
2,330
ANOVAa
Modelo
Suma de
gl
Media cuadrtica
Sig.
cuadrados
Regresin
18515,726
4628,932
Residual
23886,501
3981,083
Total
42402,227
10
1,163
,413b
Coeficientesa
Modelo
(Constante)
Superficie en
metros cuadrados
Numero de
1
oficinas
Numero de
accesos
Coeficientes no
Coeficientes
estandarizados
tipificados
Error tp.
1239,841
654,694
-506,910
290,537
30,569
Estadsticos de
t
colinealidad
Sig.
Beta
Tolerancia
FIV
1,894
,107
-,688
-1,745
,132
,603
1,657
26,004
,380
1,176
,284
,899
1,112
26,123
33,760
,312
,774
,468
,578
1,731
,336
,847
,126
,397
,705
,927
1,078
Antiguedad del
edificio, en aos
Diagnsticos de colinealidada
Proporciones de la varianza
Modelo Dimensin Autovalores
ndice de
Superficie Numero
Antiguedad
de
del edificio,
accesos
en aos
de
cuadrados oficinas
Numero
4,642
1,000
,00
,00
,00
,00
,01
,251
4,305
,00
,00
,02
,02
,83
,059
8,897
,00
,00
,43
,55
,01
,048
9,810
,01
,00
,54
,10
,10
,000
108,630
,99
1,00
,01
,33
,06
Mximo
Media
Desviacin tpica
Valor pronosticado
99,18463
245,02170
170,44545
43,029904
11
Residual
-46,979633
114,978294
,000000
48,873818
11
-1,656
1,733
,000
1,000
11
Residuo tp.
-,745
1,822
,000
,775
11
Coeficientesa
Modelo
(Constante)
Superficie en
metros cuadrados
Numero de
1
oficinas
Numero de
accesos
Antiguedad del
edificio, en aos
Coeficientes no
Coeficientes
estandarizados
tipificados
Error tp.
1239,841
654,694
-506,910
290,537
30,569
Estadsticos de
t
colinealidad
Sig.
Beta
Tolerancia
FIV
1,894
,107
-,688
-1,745
,132
,603
1,657
26,004
,380
1,176
,284
,899
1,112
26,123
33,760
,312
,774
,468
,578
1,731
,336
,847
,126
,397
,705
,927
1,078
PROBLEMA N 1
fabricacio fabricacio Circuit
nX1
nX2
osY
-10
0
11
0
-5
8
10
5
73
-10
0
21
0
5
46
10
-5
30
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
fabricacion X2,
Mtodo
. Intro
fabricacion x1b
a. Variable dependiente: circuitos electricos Y
Modelo
,980
R cuadrado
Error estndar
ajustado
de la estimacin
R cuadrado
a
,961
,935
Durbin-Watson
6,245
2,346
ANOVAa
Suma de
Modelo
1
cuadrados
Regresin
Residuo
Total
Media
gl
cuadrtica
2900,500
1450,250
117,000
39,000
3017,500
F
37,186
Sig.
,008b
Coeficientesa
Modelo
Coeficientes
Coeficientes no estandarizados
estandarizados
Sig.
12,355
,001
Error estndar
Beta
(Constante)
31,500
2,550
fabricacion x1
1,775
,312
,646
5,685
,011
fabricacion X2
4,050
,624
,737
6,485
,007
Estadsticas de residuosa
Desviacin
Mnimo
Mximo
Media
Valor pronosticado
11,25
69,50
31,50
24,085
Residuo
-5,750
7,250
,000
4,837
-,841
1,578
,000
1,000
Residuo estndar
-,921
1,161
,000
,775
estndar
Correlaciones
Correlacin de Pearson
fabricacion x1
fabricacion X2
circuitos electricos Y
circuitos
fabricacion x1
fabricacion X2
,000
,646
1,000
,166
Sig. (bilateral)
electricos Y
Correlacin de Pearson
,000
,737
Sig. (bilateral)
1,000
Correlacin de Pearson
,646
,737
Sig. (bilateral)
,166
,094
,094
Coeficientesa
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
B
(Constante)
fabricacion
1
x1
fabricacion
X2
Error
2,550
1,775
,312
4,050
,624
Sig.
Beta
estndar
31,500
Estadsticas de
colinealidad
Tolerancia
VIF
12,355
,001
,646
5,685
,011
1,000
1,000
,737
6,485
,007
1,000
1,000
PROBLEMA N 2
gravedadX1
humedadX2
fuerzaY
,990
11,1
11,14
,558
8,9
12,74
,604
8,8
13,13
,441
8,9
11,51
,550
8,8
12,38
,528
9,9
12,60
,418
10,7
11,13
,480
10,5
11,70
,406
10,5
11,02
,467
10,7
11,41
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
Mtodo
contenido de
humedad,
. Intro
gravedad
especificab
a. Variable dependiente: fuerza
R cuadrado
,782a
,611
R cuadrado
Error estndar
ajustado
de la estimacin
,500
,54304
Durbin-Watson
2,550
ANOVAa
Modelo
Suma de
cuadrados
Media
gl
cuadrtica
Regresin
3,246
1,623
Residuo
2,064
,295
Total
5,310
Sig.
5,504
,037b
Coeficientesa
Modelo
Coeficientes no estandarizados
Coeficientes
estandarizados
Sig.
9,232
,000
Error estndar
(Constante)
17,865
1,935
gravedad especifica
,861
1,087
,190
,792
,454
contenido de humedad
-,654
,197
-,795
-3,313
,013
Beta
Estadsticas de residuosa
Desviacin
Mnimo
Mximo
Media
Valor pronosticado
11,2314
12,6334
11,8760
,60056
10
Residuo
-,91764
,75102
,00000
,47892
10
-1,073
1,261
,000
1,000
10
Residuo estndar
-1,690
1,383
,000
,882
10
estndar
Correlaciones
Correlaciones
gravedad
contenido de
especifica
humedad
,188
,041
,603
,911
Correlacin de Pearson
gravedad especifica
Sig. (bilateral)
fuerza
10
10
10
Correlacin de Pearson
,188
-,759*
Sig. (bilateral)
,603
10
contenido de humedad
,011
10
10
*
Correlacin de Pearson
,041
-,759
Sig. (bilateral)
,911
,011
10
10
fuerza
10
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
B
(Constante)
gravedad
1
especifica
contenido de
humedad
Error
estndar
17,865
1,935
,861
1,087
-,654
,197
Estadsticas de
t
Sig.
Beta
colinealidad
Tolerancia
VIF
9,232
,000
,190
,792
,454
,965
1,037
-,795
-3,313
,013
,965
1,037
PROBLEMA N 3
automoviles
X1
58
84
78
81
82
102
85
102
telefonos
X2
111
131
158
147
121
165
174
169
consumo
Y
64
778
83
88
89
99
101
102
Variables entradas/eliminadasa
Modelo
Variables
Variables
introducidas
eliminadas
Mtodo
numero de
telfonos por mil
1
habitantes,
numero de
Intro
automviles por
mil habitantes
a. Variable dependiente: consumo
b. Todas las variables solicitadas introducidas.
Modelo
1
R
,390
R cuadrado
a
,152
R cuadrado
Error estndar
ajustado
de la estimacin
-,188
265,634
Durbin-Watson
2,091
ANOVAa
Suma de
Modelo
cuadrados
gl
Media cuadrtica
Sig.
,447
,663b
Regresin
63130,708
31565,354
Residuo
352807,292
70561,458
Total
415938,000
Coeficientesa
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
Error
B
(Constante)
estndar
367,506
669,280
7,840
10,362
-5,786
6,161
Estadsticas de
t
colinealidad
Sig.
Beta
Tolerancia
VIF
,549
,607
,451
,757
,483
,478
2,091
-,559
-,939
,391
,478
2,091
numero de
automoviles por
1
mil habitantes
numero de
telefonos por mil
habitantes
a. Variable dependiente: consumo
Diagnsticos de colinealidada
Proporciones de varianza
Modelo
Dimensin
Autovalor
ndice de
condicin
(Constante)
numero de
numero de
automoviles por
telefonos por
mil habitantes
mil habitantes
2,980
1,000
,00
,00
,00
,013
14,996
,99
,18
,10
,006
21,706
,01
,82
,90
Estadsticas de residuosa
Desviacin
Mnimo
Mximo
Media
Valor pronosticado
27,12
310,26
175,50
94,967
Residuo
-221,259
509,923
,000
224,502
-1,562
1,419
,000
1,000
Residuo estndar
-,833
1,920
,000
,845
estndar
Despus de analizar todos los datos nos damos cuenta que el nivel de
significacin de muy alto (66.3%), por lo cual vemos de eliminar aquella
variable que en trminos absolutos presente menor coeficiente estandarizado
B. Es as que eliminaremos la variable nmero de automviles por mil
habitantes.
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
Mtodo
numero de
telefonos por mil
habitantes
. Intro
Modelo
1
R
,234
R cuadrado
a
,055
R cuadrado
Error estndar
ajustado
de la estimacin
-,103
255,995
Durbin-Watson
2,534
Coeficientesa
Coeficientes no
Coeficientes
Estadsticas de
estandarizados
estandarizados
colinealidad
Error
Modelo
1
(Constante)
estndar
531,084
610,414
-2,419
4,107
Beta
Sig.
Tolerancia
,870
,418
-,589
,577
VIF
numero de
telefonos por mil
-,234
1,000
habitantes
a. Variable dependiente: consumo
Diagnsticos de colinealidada
Proporciones de varianza
Modelo
Dimensin
Autovalor
ndice de
condicin
numero de
(Constante)
1,989
1,000
,01
,01
,011
13,414
,99
,99
Mnimo
Mximo
Media
Valor pronosticado
110,19
262,58
175,50
56,994
Residuo
-198,582
563,797
,000
237,005
-1,146
1,528
,000
1,000
Residuo estndar
-,776
2,202
,000
,926
Sig.
,347
,577b
estndar
Modelo
cuadrados
gl
Media
cuadrtica
Regresin
22738,034
22738,034
Residuo
393199,966
65533,328
Total
415938,000
1,000
PROBLEMA N 4
Superficie
X1
2310
2333
2356
2273
2402
2425
2448
2471
2494
2517
2540
Oficinas
X2
2
2
3
3
2
4
2
2
3
4
2
Accesos
X3
2,0
2,0
1,5
2,0
3,0
2,0
1,5
2,0
3,0
4,0
3,0
Antigedad
X4
20
12
33
40
53
23
99
34
23
55
22
Valor Y
142000
144000
161000
360000
139000
169000
125000
142000
163000
189000
149000
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
Mtodo
AntiguedadX4,
AccesosX3,
. Intro
OficinasX2,
SuperficieX1b
a. Variable dependiente: ValorY
Modelo
1
R
,672
R cuadrado
a
,451
R cuadrado
Error estndar
ajustado
de la estimacin
,085
Durbin-Watson
62168,022
2,235
ANOVAa
Suma de
Modelo
cuadrados
gl
Media cuadrtica
Sig.
1,233
,389b
Regresin
19058458894,231
4764614723,558
Residuo
23189177469,406
3864862911,568
Total
42247636363,636
10
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
Error
B
(Constante)
Estadsticas de
t
Beta
estndar
1244642,419 645066,921
colinealidad
Sig.
1,929
-
Tolerancia
VIF
,126
,603
1,657
,102
SuperficieX1
-508,112
286,265
-,691
OficinasX2
31764,274
25621,636
,395
1,240
,261
,899
1,112
AccesosX3
24561,790
33263,442
,294
,738
,488
,578
1,731
AntiguedadX4
319,299
834,490
,120
,383
,715
,927
1,078
1,775
Diagnsticos de colinealidada
ndice
Model
o
Dimensi Autovalo
n
Proporciones de varianza
de
condici
4,642
1,000
,00
,00
,00
,00
,01
,251
4,305
,00
,00
,02
,02
,83
,059
8,897
,00
,00
,43
,55
,01
,048
9,810
,01
,00
,54
,10
,10
,000
108,630
,99
1,00
,01
,33
,06
Estadsticas de residuosa
Desviacin
Mnimo
Mximo
Media
Valor pronosticado
98276,51
246892,28
171181,82
43655,995
11
Residuo
-47941,875
113107,719
,000
48155,142
11
-1,670
1,734
,000
1,000
11
Residuo estndar
-,771
1,819
,000
,775
11
estndar
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
Mtodo
AccesosX3,
OficinasX2,
. Intro
SuperficieX1b
a. Variable dependiente: ValorY
b. Todas las variables solicitadas introducidas.
Modelo
Error estndar
ajustado
de la estimacin
R cuadrado
,662a
R cuadrado
,438
,197
Durbin-Watson
58254,381
2,127
Modelo
cuadrados
gl
Media cuadrtica
Sig.
1,816
,232b
Regresin
18492625631,996
6164208543,999
Residuo
23755010731,641
3393572961,663
Total
42247636363,636
10
Coeficientesa
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
Error
B
(Constante)
1
Estadsticas de
t
Beta
estndar
1193512,590 591346,624
colinealidad
Sig.
2,018
,083
Tolerancia
VIF
SuperficieX1
-479,393
258,859
-,652
-1,852
,106
,648
1,543
OficinasX2
31450,301
23996,371
,391
1,311
,231
,900
1,111
AccesosX3
22280,667
30664,716
,267
,727
,491
,597
1,675
Diagnsticos de colinealidada
Modelo
ndice de
Proporciones de varianza
condicin
Dimensin
Autovalor
3,888
1,000
,00
,00
,00
,00
,059
8,107
,00
,00
,26
,64
,052
8,609
,00
,00
,73
,04
,000
96,573
1,00
1,00
,01
,31
Estadsticas de residuosa
Desviacin
Mnimo
Mximo
Media
Valor pronosticado
105596,79
242764,38
171181,82
43003,053
11
Residuo
-51576,527
117235,625
,000
48739,112
11
-1,525
1,665
,000
1,000
11
Residuo estndar
-,885
2,012
,000
,837
11
estndar
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
Mtodo
OficinasX2,
. Intro
SuperficieX1b
a. Variable dependiente: ValorY
Modelo
Error estndar
ajustado
de la estimacin
R cuadrado
,629a
R cuadrado
,395
,244
Durbin-Watson
56509,500
2,046
ANOVAa
Suma de
Modelo
1
cuadrados
gl
Media cuadrtica
Regresin
16701047815,873
8350523907,936
Residuo
25546588547,764
3193323568,470
Total
42247636363,636
10
Sig.
,134b
2,615
Coeficientesa
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
Error
B
(Constante)
1
estndar
Estadsticas de
t
Sig.
Beta
968423,804 488620,983
1,982
,083
colinealidad
Tolerancia
VIF
SuperficieX1
-369,844
204,117
-,503
-1,812
,108
,981
1,020
OficinasX2
36439,023
22304,435
,454
1,634
,141
,981
1,020
Diagnsticos de colinealidada
ndice de
Modelo
Dimensin
Autovalor
condicin
Proporciones de varianza
(Constante)
SuperficieX1
OficinasX2
2,947
1,000
,00
,00
,01
,053
7,469
,00
,00
,98
,001
69,819
1,00
1,00
,01
Valor pronosticado
Residuo
Valor pronosticado estndar
Residuo estndar
Mnimo
Mximo
Media
estndar
101897,30
237084,75
171181,82
40866,915
11
-48307,441
122915,250
,000
50543,633
11
-1,695
1,613
,000
1,000
11
-,855
2,175
,000
,894
11
PROBLEMA N 5
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
Mtodo
inversion en
propaganda,
mes
. Intro
Modelo
,968
R cuadrado
a
R cuadrado
Error estndar
ajustado
de la estimacin
,937
,919
Durbin-Watson
5,35678
2,002
ANOVAa
Modelo
Suma de
cuadrados
gl
Media cuadrtica
Sig.
51,897
,000b
Regresin
2978,395
1489,198
Residuo
200,866
28,695
Total
3179,261
Coeficientesa
Coeficientes no
Coeficientes
estandarizados
estandarizados
Modelo
Error
68,130
13,417
mes
-4,183
,965
3,597
1,631
inversion en
propaganda
colinealidad
Sig.
Beta
estndar
(Constante)
Estadsticas de
Tolerancia
VIF
5,078
,001
-,674
-4,337
,003
,374
2,675
,343
2,205
,063
,374
2,675
Modelo
Dimensin
Proporciones de varianza
ndice de
Autovalor
condicin
(Constante)
mes
inversion en
propaganda
2,719
1,000
,00
,01
,00
,271
3,164
,00
,17
,05
,010
16,511
1,00
,82
,95
Mnimo
Mximo
Media
Valor pronosticado
33,8519
88,4057
64,3300
18,19156
10
Residuo
-5,85193
10,08294
,00000
4,72424
10
-1,675
1,323
,000
1,000
10
Residuo estndar
-1,092
1,882
,000
,882
10
estndar
desempleo
X1
6,10
6,20
tiempoX
2
1996
1969
2,32
2,39
2,46
2,53
2,61
2,72
2,63
3,01
3,19
3,35
3,55
7,80
6,80
5,70
5,00
4,00
3,20
3,60
3,30
3,30
5,60
6,60
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
Mtodo
tasa de
desempleo,
. Intro
remuneracion
por horab
a. Variable dependiente: tiempo
Modelo
,146
R cuadrado
a
R cuadrado
Error estndar
ajustado
de la estimacin
,021
-,174
Durbin-Watson
7,467
1,326
cuadrados
Regresin
Media
gl
cuadrtica
12,107
6,053
Residuo
557,586
10
55,759
Total
569,692
12
Coeficientesa
Sig.
,109
,898b
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
Error
B
(Constante)
17,785
2,138
5,144
-,116
1,457
remuneracion
1
por hora
tasa de
desempleo
colinealidad
Sig.
Beta
estndar
1970,968
Estadsticas de
Tolerancia
VIF
110,821
,000
,136
,416
,686
,914
1,094
-,026
-,079
,938
,914
1,094
condicin
(Constante)
remuneracion
tasa de
por hora
desempleo
Modelo
Dimensin
2,924
1,000
,00
,00
,01
,067
6,592
,01
,10
,66
,008
18,665
,99
,90
,34
Estadsticas de residuosa
Desviacin
Mnimo
Valor pronosticado
Mximo
Media
estndar
1974,94
1977,79
1976,15
1,004
13
Residuo
-6,009
21,057
,000
6,817
13
-1,205
1,632
,000
1,000
13
-,805
2,820
,000
,913
13
Residuo estndar
a.
Modelo
Variables
Variables
introducidas
eliminadas
Mtodo
remuneracion
. Intro
por horab
a. Variable dependiente: tiempo
Modelo
R cuadrado
Error estndar
ajustado
de la estimacin
R cuadrado
,144
,021
-,068
Durbin-Watson
7,122
1,326
ANOVAa
Suma de
Modelo
1
Media
cuadrados
Regresin
gl
cuadrtica
11,755
11,755
Residuo
557,938
11
50,722
Total
569,692
12
Sig.
,640b
,232
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
Error
B
(Constante)
1
estndar
1970,045
12,843
2,258
4,690
remuneracion
por hora
Estadsticas de
t
Sig.
Beta
,144
153,392
,000
,481
,640
colinealidad
Tolerancia
VIF
1,000
1,000
Dimensin
Autovalor
ndice de condicin
(Constante)
remuneracion por
hora
1,988
1,000
,01
,01
,012
12,927
,99
,99
Estadsticas de residuosa
Desviacin
Mnimo
Mximo
Media
Valor pronosticado
1974,99
1978,06
1976,15
,990
13
Residuo
-6,070
21,011
,000
6,819
13
-1,177
1,926
,000
1,000
13
Residuo estndar
-,852
2,950
,000
,957
13
estndar
PROBLEMA N 7
Utilidad
Oferta
IPC
2,5
3,8
4,8
4,1
2,1
1,9
4,0
,0
-1,0
1,0
5,0
8,0
2,1
1,9
2,3
1,8
1,5
2,0
Regresin
Variables entradas/eliminadasa
Modelo
Variables
Variables
introducidas
eliminadas
Mtodo
precio por
accion ,
variacion en
precio otras
1
empresas,
variacion meisl
Intro
de IPC,
porcentaje de
oferta sore la
demandab
a. Variable dependiente: utilidad toatal mensual de la
empresa
b. Todas las variables solicitadas introducidas.
precio
otras
2
3
5
3
1
-2
accion
250
290
33
298
129
107
Modelo
R cuadrado
a
,969
R cuadrado
Error estndar de
ajustado
la estimacin
,940
,698
Durbin-Watson
,6556
1,977
a. Predictores: (Constante), precio por accion , variacion en precio otras empresas, variacion meisl de
IPC, porcentaje de oferta sore la demanda
b. Variable dependiente: utilidad toatal mensual de la empresa
ANOVAa
Suma de
Modelo
cuadrados
gl
Media cuadrtica
Sig.
3,891
,361b
Regresin
6,690
1,673
Residuo
,430
,430
Total
7,120
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
B
(Constante)
Error
estndar
4,135
3,457
-,477
,361
,595
Estadsticas de
t
colinealidad
Sig.
Beta
Tolerancia
VIF
1,196
,443
-1,371
-1,320
,413
,056
17,876
1,227
,136
,485
,712
,765
1,307
-,264
,594
-,460
-,445
,733
,057
17,638
-,001
,003
-,102
-,373
,772
,803
1,246
porcentaje de
oferta sore la
demanda
1
variacion meisl de
IPC
variacion en
precio otras
empresas
precio por accion
Diagnsticos de colinealidada
Proporciones de varianza
porcentaje
ndice de
condicin (Constante)
de oferta
sore la
demanda
variacion
meisl de
IPC
variacion
en precio
precio por
otras
accion
empresas
3,779
1,000
,00
,00
,00
,00
,01
1,012
1,933
,00
,02
,00
,01
,00
,192
4,431
,00
,00
,01
,01
,73
,013
16,863
,00
,54
,42
,65
,01
,004
30,129
1,00
,44
,57
,33
,25
Mnimo
Mximo
Media
Valor pronosticado
1,787
4,754
3,200
1,1567
Residuo
-,3498
,4956
,0000
,2932
-1,221
1,344
,000
1,000
Residuo estndar
-,534
,756
,000
,447
estndar
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
Mtodo
variacion en
precio otras
empresas,
variacion meisl
de IPC,
. Intro
porcentaje de
oferta sore la
demandab
a. Variable dependiente: utilidad toatal mensual de la
empresa
b. Todas las variables solicitadas introducidas.
ANOVAa
Suma de
Modelo
cuadrados
gl
Media cuadrtica
F
Sig.
Resumen del modelob
1
Regresin
6,630
3
2,210
9,024
,101b
Modelo
R
R cuadrado
R cuadrado
Error estndar
Durbin-Watson
Residuo
,490
2
,245
ajustado
de la estimacin
Total
7,120
5
1
,965a
,931
,828
,4949
1,326
a. Variable dependiente: utilidad toatal mensual de la empresa
a. Predictores: (Constante), variacion en precio otras empresas, variacion meisl de IPC,
b. Predictores: (Constante), variacion en precio otras empresas, variacion meisl de IPC, porcentaje de
porcentaje de oferta sore la demanda
oferta sore la demanda
b. Variable dependiente: utilidad toatal mensual de la empresa
Coeficientesa
Coeficientes no
Coeficientes
Estadsticas de
estandarizados
estandarizados
colinealidad
Error
Modelo
3,454
2,217
1,558
,260
-,447
,266
-1,285 -1,681
,235
,059
16,990
,764
,861
,175
,887
,469
,885
1,130
-,232
,444
-,404
-,524
,653
,058
17,268
(Constante)
estndar
Beta
Sig.
Tolerancia
VIF
porcentaje de
oferta sore la
demanda
variacion meisl de
IPC
variacion en precio
otras empresas
Diagnsticos de colinealidada
Proporciones de varianza
porcentaje
ndice de
condicin
(Constante)
de oferta
variacion
sore la
meisl de IPC
demanda
1
variacion en
precio otras
empresas
2,973
1,000
,00
,00
,00
,00
1,008
1,717
,00
,02
,00
,01
,013
14,876
,00
,52
,52
,61
,006
23,207
1,00
,46
,48
,38
Mximo
Media
estndar
1,755
4,613
3,200
1,1515
Residuo
-,4086
,4148
,0000
,3130
-1,255
1,227
,000
1,000
-,826
,838
,000
,632
Residuo estndar
PROBLEMA N 8
consumo maquina
Y
X1
320
20
200
10
185
50
376
22
2405
120
893
40
1930
93
6010
380
1540
75
distancia
X2
630
396
1395
720
4230
1752
4000
15780
3080
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
Mtodo
rendimiento
promedio
motores,
numero de
. Intro
horas maquinas,
distancia de
transportesb
a. Variable dependiente: consumo diario de petroleo
b. Todas las variables solicitadas introducidas.
rendimient
oX3
2,40
4,00
2,80
2,60
,60
,10
,06
,01
,04
R cuadrado
,992a
,984
R cuadrado
Error estndar de
ajustado
la estimacin
,974
300,440
Durbin-Watson
2,876
ANOVAa
Modelo
Suma de
cuadrados
gl
Media cuadrtica
Sig.
100,901
,000b
Regresin
27323432,845
9107810,948
Residuo
451322,044
90264,409
Total
27774754,889
Coeficientesa
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
Error
B
(Constante)
numero de horas
maquinas
1
distancia de
transportes
rendimiento
promedio motores
estndar
481,348
213,778
7,673
14,201
,170
-167,598
Estadsticas de
t
Sig.
Beta
colinealidad
Tolerancia
VIF
2,252
,074
,472
,540
,612
,004
235,176
,342
,438
,495
,641
,004
240,140
84,515
-,139
-1,983
,104
,663
1,509
Diagnsticos de colinealidada
Proporciones de varianza
Modelo Dimensin Autovalor
ndice de
condicin
numero de
(Constante)
horas
maquinas
distancia de
transportes
rendimiento
promedio
motores
2,684
1,000
,02
,00
,00
,01
1,174
1,512
,02
,00
,00
,17
,140
4,378
,93
,00
,00
,75
,001
45,903
,02
1,00
1,00
,06
Estadsticas de residuosa
Desviacin
Mnimo
Mximo
Media
Valor pronosticado
-45,14
6072,11
1539,89
1848,088
Residuo
-447,355
385,930
,000
237,519
-,858
2,452
,000
1,000
Residuo estndar
-1,489
1,285
,000
,791
estndar
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
Mtodo
distancia de
transportes,
. Intro
numero de
horas maquinasb
Modelo
1
R
,985a
R cuadrado
,971
R cuadrado
Error estndar
ajustado
de la estimacin
,961
366,581
Durbin-Watson
1,848
ANOVAa
Suma de
Modelo
1
Media
cuadrados
Regresin
Residuo
Total
gl
cuadrtica
26968463,962
13484231,981
806290,927
134381,821
27774754,889
Sig.
,000b
100,343
Coeficientesa
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
Error
B
(Constante)
numero de horas
1
maquinas
distancia de
transportes
179,976
1,476
16,903
,347
,403
Sig.
Beta
estndar
174,495
Estadsticas de
colinealidad
Tolerancia
VIF
,970
,370
,091
,087
,933
,004
223,787
,895
,860
,423
,004
223,787
Diagnsticos de colinealidada
Proporciones de varianza
ndice de
Autovalor
condicin
distancia de
horas maquinas
transportes
Modelo
Dimensin
2,518
1,000
,05
,00
,00
,480
2,290
,71
,00
,00
,001
43,166
,24
1,00
1,00
(Constante)
numero de
Estadsticas de residuosa
Desviacin
Mnimo
Valor pronosticado
Residuo
Media
estndar
326,60
6208,52
1539,89
1836,044
-547,134
586,254
,000
317,469
-,661
2,543
,000
1,000
-1,493
1,599
,000
,866
Mximo
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
distancia de
Mtodo
. Intro
transportesb
Modelo
R
,985a
R cuadrado
R cuadrado
Error estndar
ajustado
de la estimacin
,971
,967
Durbin-Watson
339,604
1,866
ANOVAa
Suma de
Modelo
1
cuadrados
Regresin
Residuo
Total
Media
gl
cuadrtica
26967439,539
26967439,539
807315,350
115330,764
27774754,889
F
233,827
Sig.
,000b
Coeficientesa
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
Error
B
(Constante)
1
143,858
,382
,025
distancia de
transportes
colinealidad
Sig.
Beta
estndar
182,439
Estadsticas de
,985
1,268
,245
15,291
,000
Tolerancia
VIF
1,000
1,000
Diagnsticos de colinealidada
Proporciones de varianza
ndice de
Autovalor
condicin
distancia de
Modelo
Dimensin
(Constante)
transportes
1,617
1,000
,19
,19
,383
2,055
,81
,81
Estadsticas de residuosa
Desviacin
Mnimo
Valor pronosticado
Residuo
Valor pronosticado estndar
Residuo estndar
Mximo
Media
estndar
333,71
6210,17
1539,89
1836,009
-530,309
606,761
,000
317,670
-,657
2,544
,000
1,000
-1,562
1,787
,000
,935
PROBLEMA N 9
tiempoX
1
1984
1985
1986
1987
1988
1989
1990
y
29,0
14,9
23,1
29,8
12,0
23,5
33,6
utilidadX2 variacionX3
3
28
12
9
14
-1
6
31,0
19,0
19,8
21,0
18,7
22,6
26,6
reajusteX
4
29,6
14,9
23,1
29,8
12,0
23,5
33,6
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
Mtodo
reajusteX4,
tiempoX1,
. Intro
utilidadX2,
variacionX3b
a. Variable dependiente: Y
Modelo
1,000a
R cuadrado
1,000
R cuadrado
Error estndar
ajustado
de la estimacin
1,000
,0545
Durbin-Watson
2,162
ANOVAa
Suma de
Modelo
1
Media
cuadrados
Regresin
Residuo
Total
gl
cuadrtica
378,034
94,509
,006
,003
378,040
Sig.
,000b
31870,972
a. Variable dependiente: Y
b. Predictores: (Constante), reajusteX4, tiempoX1, utilidadX2, variacionX3
Coeficientesa
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
Error
-114,620
26,222
tiempoX1
,058
,013
utilidadX2
,006
variacionX3
reajusteX4
colinealidad
Sig.
Beta
estndar
(Constante)
Estadsticas de
Tolerancia
VIF
-4,371
,049
,016
4,409
,048
,613
1,632
,004
,007
1,659
,239
,389
2,569
-,041
,009
-,024
-4,787
,041
,320
3,130
1,010
,004
1,019
228,707
,000
,395
2,530
a. Variable dependiente: Y
Diagnsticos de colinealidada
Modelo Dimensin Autovalor
Proporciones de varianza
ndice de
4,486
1,000
,00
,00
,01
,00
,00
,475
3,073
,00
,00
,28
,00
,01
,029
12,534
,00
,00
,35
,00
,72
,011
20,486
,00
,00
,10
,72
,22
1,00
1,00
,28
,27
,05
3,092E-7 3808,688
a. Variable dependiente: Y
Estadsticas de residuosa
Desviacin
Mnimo
Valor pronosticado
12,043
Mximo
33,598
Media
23,700
estndar
7,9376
N
7
Residuo
-,0431
,0397
,0000
,0314
-1,469
1,247
,000
1,000
-,792
,730
,000
,577
Residuo estndar
a.
Variable dependiente: Y
PROBLEMA N 10
gastoY
,43
,31
,32
,46
1,25
,44
,52
,29
1,29
,35
,35
,78
,43
,47
,38
ingresoX
1
2,1
1,1
,9
1,6
6,2
2,3
1,8
1,0
8,9
2,4
1,2
4,7
3,5
2,9
1,4
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
tamaoX2,
ingresox1b
Mtodo
. Intro
tamaoX2
3
4
5
4
4
3
6
5
3
2
4
3
2
3
4
Modelo
Error estndar
ajustado
de la estimacin
R cuadrado
,974a
R cuadrado
,950
,941
Durbin-Watson
,07751
1,177
ANOVAa
Suma de
Modelo
1
Media
cuadrados
Regresin
Residuo
Total
gl
cuadrtica
1,360
,680
,072
12
,006
1,432
14
Sig.
,000b
113,141
Coeficientesa
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
Error
estndar
(Constante)
-,160
,090
ingresox1
,149
,010
tamaoX2
,077
,020
Estadsticas de
t
Sig.
Beta
colinealidad
Tolerancia
VIF
-1,775
,101
1,044
14,915
,000
,857
1,166
,268
3,825
,002
,857
1,166
Diagnsticos de colinealidada
ndice de
Autovalor
condicin
Proporciones de varianza
Modelo
Dimensin
(Constante)
ingresox1
tamaoX2
2,634
1,000
,01
,04
,01
,337
2,797
,01
,65
,05
,029
9,589
,98
,32
,94
PROBLEMA N 11
temperatura
Y
56
48
60
46
38
46
53
46
44
latitudX1
altitudX2
longitudX3
29,767
32,850
26,933
31,950
34,800
33,450
28,700
32,450
31,800
41
440
25
2851
3840
1461
815
2380
3918
95,367
96,850
97,800
102,183
102,467
99,633
100,483
100,533
106,400
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
Mtodo
longitud de la
estacion, latitud,
altitud en pies
. Intro
Modelo
1
R
,992a
R cuadrado
,984
R cuadrado
Error estndar
ajustado
de la estimacin
,974
1,078
Durbin-Watson
2,887
Coeficientesa
Coeficientes
Coeficientes no
estandariza
Estadsticas de
estandarizados
dos
colinealidad
Error
Modelo
1
(Constante)
estndar
155,595
41,376
-1,938
,274
-,001
-,446
latitud
altitud en pies
longitud de la
estacion
Beta
Sig.
Tolerancia
VIF
3,761
,013
-,719
-7,084
,001
,315
3,179
,001
-,200
-,903
,408
,066
15,119
,366
-,221
-1,218
,278
,098
10,183
Sig.
cuadrados
Regresin
Residuo
Total
gl
Media cuadrtica
352,413
117,471
5,809
1,162
358,222
101,109
,000b
Diagnsticos de colinealidada
Proporciones de varianza
ndice de
Autovalor
condicin
longitud de la
Modelo
Dimensin
(Constante)
3,682
1,000
,00
,00
,00
,00
,315
3,418
,00
,00
,07
,00
,003
37,346
,00
,44
,02
,01
4,182E-5
296,733
1,00
,56
,92
,99
Estadsticas de residuosa
latitud
altitud en pies
estacion
Desviacin
Mnimo
Valor pronosticado
Mximo
Media
estndar
39,17
59,79
48,56
6,637
Residuo
-1,488
,896
,000
,852
-1,414
1,693
,000
1,000
Residuo estndar
-1,380
,831
,000
,791
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
longitud de la
Mtodo
. Intro
estacion, latitudb
a. Variable dependiente: temperatura en F
Modelo
R
,991a
R cuadrado
R cuadrado
Error estndar
ajustado
de la estimacin
,981
,975
Durbin-Watson
1,061
3,000
ANOVAa
Suma de
Modelo
1
cuadrados
Regresin
Residuo
Total
Media
gl
cuadrtica
351,467
175,733
6,756
1,126
358,222
F
156,080
Sig.
,000b
Coeficientesa
Modelo
Coeficientes no
Coeficientes
estandarizados
estandarizados
Error
191,461
11,342
latitud
-2,136
,162
-,793
-,757
,121
-,376
estacion
colinealidad
Sig.
Beta
estndar
(Constante)
longitud de la
Estadsticas de
16,881
Tolerancia
VIF
,000
,874
1,144
,001
,874
1,144
,000
13,215
-6,267
condicin
longitud de la
Modelo
Dimensin
(Constante)
latitud
estacion
2,996
1,000
,00
,00
,00
,003
30,070
,06
,97
,03
,000
79,407
,94
,03
,97
Estadsticas de residuosa
Desviacin
Mnimo
Valor pronosticado
Mximo
Media
estndar
39,60
59,93
48,56
6,628
Residuo
-1,595
1,377
,000
,919
-1,352
1,716
,000
1,000
Residuo estndar
-1,504
1,297
,000
,866
PROBLEMA N 12
Tasa de
Potasio
Zinc
respiracin
71
53
55
48
69
84
21
68
68
388
258
292
205
449
331
114
580
622
2414
10693
11682
12560
2464
2607
16205
2005
1825
Regresin
Variables entradas/eliminadasa
Modelo
1
Variables
Variables
introducidas
eliminadas
zinc, potasio
Mtodo
. Intro
Modelo
,921
R cuadrado
Error estndar
ajustado
de la estimacin
R cuadrado
a
,848
,798
Durbin-Watson
8,172
2,109
ANOVAa
Suma de
Modelo
1
cuadrados
Regresin
Residuo
Total
Media
gl
cuadrtica
2243,299
1121,649
400,701
66,784
2644,000
F
16,795
Sig.
,003b
Coeficientesa
Coeficientes no
Coeficientes
Estadsticas de
estandarizados
estandarizados
colinealidad
Error
Modelo
1
(Constante)
estndar
Beta
101,088
18,866
potasio
-,040
,034
zinc
-,004
,001
Sig.
Tolerancia
VIF
5,358
,002
-,373
-1,178
,283
,252
3,970
-1,225
-3,867
,008
,252
3,970
Diagnsticos de colinealidada
Proporciones de varianza
ndice de
Modelo
Dimensin
Autovalor
condicin
(Constante)
potasio
zinc
2,486
1,000
,00
,01
,01
,501
2,227
,00
,03
,12
,012
14,146
1,00
,96
,87
Estadsticas de residuosa
Desviacin
Mnimo
Valor pronosticado
Mximo
Media
estndar
33,67
77,63
59,67
16,746
-12,665
10,981
,000
7,077
-1,553
1,073
,000
1,000
Residuo estndar
-1,550
1,344
,000
,866
Residuo
Correlacin de Pearson
potasio
,686*
-,902**
,041
,001
-,865**
Sig. (bilateral)
N
potasio
Correlacin de Pearson
,686
Sig. (bilateral)
,041
zinc
,003
9
zinc
Correlacin de Pearson
Sig. (bilateral)
N
-,902**
-,865**
,001
,003
Notamos que los valores del nivel de significacin (0.3%), el Durbin Watson
(2.109) y la inflacin de la varianza (3.970) son bajos, es decir estn dentro de
sus respectivos rangos para poder realizar el pronstico.
CONCLUSIONES
La finalidad de una ecuacin de regresin es la de estimar los valores de
una variable con base en los valores conocidos de la otra. Del mismo
modo, una ecuacin de regresin explica los valores de una variable en
trminos de otra. Es decir, se puede intuir una relacin de causa y efecto
entre dos o ms variables.
RECOMENDACIONES
El uso de herramientas como el SPSS es fundamental para realizar los
clculos de manera eficiente y segura, con ello podremos obtener
resultados que nos ayudan a obtener los pronsticos deseados.
Se debe verificar los datos que arroja el SPSS, verificar que el Durbin
Watson no excede a las 4 unidades, caso contrario estaramos
incurriendo en un problema de autocorrelacin, tambin verificar la
inflacin de la varianza conocido como VIF, la cual debe ser mximo
hasta 5 unidades y as evitaremos incurrir en problemas de
multicolinealidad.
Ante un problema de multicolinealidad o de autocorrelacin, se
recomienda eliminar una variable (la que tiene menor valor) con el
anlisis respectivo, para cada problema; con ello podremos realizar
nuestros pronsticos sin problemas.
BIBLIOGRAFA