“Salarios mínimos

INTRODUCCIÓN

El análisis de la regresión lineal  es un método estadísticos con el cual se estudian las variables tanto dependientes

como las independientes.  Este tipo de análisis puede adaptarse a varias situaciones , en la investigación social,

se utiliza para predecir fenómenos que van desde medidas económicas hasta aspectos de comportamiento humano.

En la investigación de mercados se puede utilizar para optimizar la inversión en medios de comunicación o predecir

las ventas de X producto y/o servicio.   En física es utilizado para caracterizar la relación entre variables o para

calibrar medidas.  Etc.

El objetivo del análisis de regresión lineal mediante los procedimientos de diagnóstico que se aplican, nos proporciona

elementos para hacer evaluaciones de las variables dependiente y las independientes de un estudio y así llegar hasta

predicciones que puedan usarse de base en la toma de decisiones.

X

Y

( XY)

X2 [A]

Y2 [$]

1

2012

62.33

125,407.96

4,048,144.00

3,885.03

2

2011

59.82

120,298.02

4,044,121.00

3,578.43

3

2010

57.46

115,494.60

4,040,100.00

3,301.65

4

2009

54.80

110,093.20

4,036,081.00

3,003.04

5

2008

52.59

105,600.72

4,032,064.00

2,765.71

6

2007

50.57

101,493.99

4,028,049.00

2,557.32

7

2006

48.67

97,632.02

4,024,036.00

2,368.77

8

2005

46.80

93,834.00

4,020,025.00

2,190.24

9

2004

45.24

90,660.96

4,016,016.00

2,046.66

10

2003

43.65

87,430.95

4,012,009.00

1,905.32

11

2002

42.15

84,384.30

4,008,004.00

1,776.62

12

2001

40.35

80,740.35

4,004,001.00

1,628.12

13

2000

37.90

75,800.00

4,000,000.00

1,436.41

[pic 2]

26078

642.33

1,288,871.07

52,312,650.00

32,443.33

SSX =

[pic 4][pic 5]

n

SSX =

52,312,650.00

-

680,062,084.00

13

SSX =

52,312,650.00

-

52,312,468.00

SSX =

182

[pic 6][pic 7]

SSy =

          y2 - (          y)2

n

SSy =

32,443.33

-

412,587.83

13

SSy =

32,443.33

-

31,737.53

SSy =

705.80

[pic 8][pic 9]

[pic 10]

SSxy =

          xy - (            x)(           y)

n

SSxy =

1,288,871.07

-

(26078)(642.33)

13

SSxy =

1,288,871.07

-

1,288,513.98

SSxy =

357.09

MEDIANA =

2006

MEDIA X =

2006

MEDIA Y =

49.41

VARIANZA =

S2X = SSX  =

14

[pic 11][pic 12]

            n

[pic 13]

 =

3.74

VARIANZA =

S2y = SSy =

54.29

            n

[pic 14][pic 15]

[pic 16]

7.37

r = SSxy   =

0.9963

La fuerza de asociación entre las variables es

[pic 17]

muy fuerte

d = r2*100%

d= (0.9963)2*100%

Casó el 100% de los datos están representados

d=

99.26%

en estos datos de análisis de regresión lineal

Y = Mx + B

M = SSxy =

357.09

1.96

SSx

182.00

B = media y - (M*media x)=

49.41 - (1.96 * 2006) =

Y = Mx + B =

1.96 x - 3882.35

PREDICCIÓN

Y = 1.96 (2013) -3882.24

63.24

X

Y

[pic 18]

2013

63.24

2012

62.33

2011

59.82

2010

57.46

2009

54.80

2008

52.59

2007

50.57

2006

48.67

2005

46.80

2004

45.24

2003

43.65

2002

42.15

2001

40.35

2000

37.90

CONCLUSIÓN

El modelo de regresión lineal después de todo el procedimiento nos lleva a hacer algunas predicciones  para desarrollar

nuevos casos, es importante que los nuevos casos sean representados a las mismas poblaciones que se usaron en el caso original.

La regresión lineal en conclusión es modelo estadístico para relacionar las variables que nos arrojen datos donde la relación

sea lineal como dice el nombre y la estimación de los parámetros dada de la dependencia entre variables y la observaciones

REFERENCIAS

http://pendientedemigracion.ucm.es/info/socivmyt/paginas/D_departamento/materiales/analisis_datosyMultivariable/18reglin_SPSS.pdf