Regresión Lineal Simple
Enviado por bustaser • 21 de Octubre de 2013 • 1.212 Palabras (5 Páginas) • 366 Visitas
Estadística II
Certamen 2
INTEGRANTES: Jorge Bustamante
Paulina Castro
05 de junio de 2013
PROBLEMA 1
1. Matriz de diagramas de dispersión.
En esta matriz de diagrama de dispersión, observamos la relación lógica entre las variables “activos”, “número de empleados” y “recursos propios” con respecto a la variable “ventas”.
Observamos que cuando en el eje “X” eje horizontal encontramos en “n° de empleados” y en el eje “Y” las “ventas”, al observar ventas nos damos cuenta que existe una correlación fuerte, donde los puntos se agrupan claramente alrededor de una diagonal imaginaria.
También podemos observar que tiene una correlación positiva donde el valor de la variable “ventas” aumenta con el valor de la variable “n° de empleados”.
Ahora “ventas” con respecto a las demás variables “recursos propios” y “activos” tienen una correlación más débil como lo analizado con respecto a la variable “n° de empleados”, también estas variables tienen una correlación positiva donde “ventas” tiende a aumentar con las variables “recursos propios” y “activos”.
2. Matriz de correlación.
Correlaciones
Número de Recursos
Ventas Activos empleados propios
Ventas Correlación de Pearson 1 ,897** ,966** ,753**
Sig. (bilateral) ,000 ,000 ,002
N 14 14 14 14
Activos Correlación de Pearson ,897** 1 ,900** ,771**
Sig. (bilateral) ,000 ,000 ,001
N 14 14 14 14
Número de empleados Correlación de Pearson ,966** ,900** 1 ,830**
Sig. (bilateral) ,000 ,000 ,000
N 14 14 14 14
Recursos propios Correlación de Pearson ,753** ,771** ,830** 1
Sig. (bilateral) ,002 ,001 ,000
N 14 14 14 14
**. La correlación es significativa al nivel 0,01 (bilateral).
Esta tabla nos permite medir el grado de dependencia existente entre las variables. Realizamos nuestro análisis por el coeficiente de Pearson.
Entre las variables la más cercana a 1 es el “n° de empleados”, esto significa que tiene una relación más estrecha entre “ventas” y el “n° de empleados”
Al final verificamos las hipótesis por el valor-p y todos son menores a 0,005; todas las variables son significativas y se rechaza Ho.
3. Análisis de regresión lineal.
Ventas= -2,694+0,178A+0,079N-0,450R
“A”=”activos”
“N”=”n° de empleados”
“R”=”recursos propias”
ANOVAb
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 510146,894 3 170048,965 59,270 ,000a
Residual 28690,534 10 2869,053
Total 538837,429 13
a. Variables predictoras: (Constante), Recursos propios, Activos, Número de empleados
b. Variable dependiente: Ventas
Coeficientesa
Coeficientes
Coeficientes no estandarizado
estandarizados s
Modelo B Error típ. Beta t Sig.
1 (Constante) -2,694 25,089 -,107 ,917
Activos ,178 ,185 ,162 ,961 ,359
Número de empleados ,079 ,016 ,963 5,008 ,001
Recursos propios -,450 ,345 -,171 -1,303 ,222
a. Variable dependiente: Ventas
A la respuesta de colinealidad, nos fijamos primero en la correlación en donde el “sig” cuando es menos a 0,05 existe una relación entre las variables. Lo que nos damos cuenta en esta tabla que las variables se encuentran relacionadas entre sí. Por lo tanto existe un problema de colinealidad
Resumen del modelo
R cuadrado Error típ. de la
Modelo R R cuadrado corregida estimación
1 ,973a ,947 ,931 53,564
a. Variables predictoras: (Constante), Recursos propios, Activos, Número de empleados
El R cuadrado corregido es de 0,931. Entonces 1-0,931=0,069 este Valor de tolerancia pequeño indica que la variable puede ser explicada por una combinación lineal del resto de las variables, lo cual significa que existe colinealidad.
4. Método de R cuadrado ajustado.
ANOVAb
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 510146,894 3 170048,965 59,270 ,000a
Residual 28690,534 10 2869,053
Total 538837,429 13
a. Variables predictoras: (Constante), Recursos propios, Activos, Número de empleados
b. Variable dependiente: Ventas
Coeficientesa
Coeficientes
Coeficientes no estandarizado
estandarizados s
Modelo B Error típ. Beta t Sig.
1 (Constante) -2,694 25,089 -,107 ,917
Activos ,178 ,185 ,162 ,961 ,359
Número de empleados ,079 ,016 ,963 5,008 ,001
Recursos propios -,450 ,345 -,171 -1,303 ,222
a. Variable dependiente: Ventas
La variable que se encuentra más asociada es “activos” asique quitamos esta variable, donde el sig es de 0,359.
En la tabla principal donde tenemos todas las variables nuestro R cuadrado corregida es 0,931.
Variables introducidas/eliminadasb
Variables Variables
Modelo introducidas eliminadas Método
1 Recursos
propios, . Introducir
Número de a
empleados
a. Todas las variables solicitadas introducidas
b. Variable dependiente: Ventas
Resumen del modelo
R cuadrado Error típ. de la
Modelo R R cuadrado corregida estimación
1 ,970a ,942 ,931 53,379
a. Variables predictoras: (Constante), Recursos propios, Número de empleados
Cuando eliminamos la variable “activos” nuestra tabla de regresión nos da un R cuadrado corregida es 0,928.
Variables introducidas/eliminadasb
Variables Variables
Modelo introducidas eliminadas Método
1 Número de a . Introducir
...