Ejercicio resuelto Regresin Mltiple

Como parte de un estudio para investigar la relacin entre la tensin nerviosa (estrs) y otras variables (tamao de la empresa, nmero de aos en la posicin actual, salario anual en miles de dlares, edad en aos), se reunieron los siguientes datos a partir de una muestra aleatoria simple de quince ejecutivos de una empresa. La salida de anlisis con SPPS es:
Estadsticos descriptivos N Estrs Tamao empresa Aos en posicin Salario anual Edad N vlido (segn lista) 15 15 15 15 15 15 Mnimo 10 127 2 20 27 Mximo 184 812 16 84 63 Media 67.20 415.73 8.27 38.60 44.53 Desv. tp. 51.164 187.513 4.148 16.745 10.947

Resumen del modelo Modelo 1 R R cuadrado .918a .842 R cuadrado corregida .779 Error tp. de la estimacin 24.031

a. Variables predictoras: (Constante), Edad, Tamao empresa, Salario anual, Aos en posicin

b ANOVA

Modelo 1

Regresin Residual Total

Suma de cuadrados 30873.468 5774.932 36648.400

gl 4 10 14

Media cuadrtica 7718.367 577.493

F 13.365

Sig. .001a

a. Variables predictoras: (Constante), Edad, Tamao empresa, Salario anual, Aos en posicin b. Variable dependiente: Estrs

Coeficientesa Coeficientes no estandarizados B Error tp. -126.505 32.281 .176 .040 -1.563 2.012 1.575 .446 1.629 .629 Coeficientes estandarizad os Beta .646 -.127 .515 .349

Modelo 1

(Constante) Tamao empresa Aos en posicin Salario anual Edad

t -3.919 4.397 -.777 3.533 2.591

Sig. .003 .001 .455 .005 .027

a. Variable dependiente: Estrs

a)

Escriba la recta de regresin mltiple estimada a partir de estos datos. Interprete los coeficientes de regresin.

b) Cul es el valor del coeficiente de determinacin que usara para describir la bondad de ajuste del modelo? Interprtelo en trminos del problema de regresin c) Examine los tests t de los coeficientes de regresin. Le parece que es este un modelo adecuado para describir el estrs o propone otro?

d) Qu supuestos se deben cumplir para la utilizacin de este modelo. e) D un estimador de la desviacin estndar poblacional. A qu se refiere esta medida de variabilidad?

Solucin 1 (a): La recta de regresin es:

Estrs= 126,505+ 0,176Tamao1,563Aos+1,575Salario+1,629Edad

Interpretacin de los coeficientes de regresin: Intercepto=-126,505 Si el tamao de la empresa, el nmero de aos, el salario y la edad fueran cero, es decir, si todas las variables explicativas fueran cero, el puntaje de estrs del ejecutivo sera menos 126,505 Pendiente de Tamao: Por cada unidad que aumenta el tamao de la empresa, el estrs del ejecutivo aumenta en 0,176 unidades. Pendiente de Aos: Por cada ao en posicin actual, el estrs del ejecutivo disminuye en 1,563 puntos. Pendiente de Salario: Por cada mil dlares que aumenta el salario, el estrs del ejecutivo aumenta en 1,575 puntos. Pendiente de la edad: por cada ao de edad, el estrs del ejecutivo aumenta en 1,629 puntos. Solucin 1 (b): El coeficiente de determinacin que se usa en regresin lineal mltiple es el R ajustado, que en este caso es de 0,779. Este coeficiente nos indica que las variables usadas en el modelo explican en un 77,9% la variabilidad total del estrs. Solucin 1 (c): Los test t de los coeficientes de regresin sirven para docimar la hiptesis: H o: j = 0 H 1:
2

j 0

En este problema tenemos 4 tests de esta forma (j=1,2,3,4).

Al examinar los valores p correspondientes a cada uno de los tests nos damos cuenta que casi todas las pendientes son significativas (distintas de cero), salvo la de la variable Aos en posicin actual, cuyo valor p es 0,455, por lo tanto aceptamos la hiptesis nula, y concluimos que la pendiente es igual a cero. Por lo tanto este no sera un modelo adecuado para describir el estrs de los ejecutivos, deberamos ajustar otro modelo sin la variable "Aos en posicin actual". Solucin 1 (d): Los supuestos que debe cumplir el modelo son: 1) Linealidad: La relacin entre la variable respuesta y las explicativas debe ser lineal 2) Nocolinealidad: las variables explicativas no deben estar correlacionadas entre s 3) Normalidad de los residuos 4) Homocedasticidad de los residuos (varianza constante). Solucin 1 (e): El estimador de la desviacin estndar poblacional es 24,031 o la raz de la media cuadrtica residual: raz de 577,493= 24,03 Este es un estimador de la variabilidad del estrs considerando las variables explicativas del modelo, y lo podemos contrastar con el estimador de la variabilidad del estrs de 51,164 que es la desviacin estndar del estrs sin tomar en cuenta estas variables.