Econometría Regresión Lineal Multiple.
Enviado por m2lopezmanu • 11 de Agosto de 2016 • Ensayo • 271 Palabras (2 Páginas) • 401 Visitas
Paciente Colesterol (y) Edad (x1) Ejercicio (x2) x^2 y^2
x^2 y^2
1 350 80 1 122500 6400
2 190 30 0 36100 900
3 263 42 0 69169 1764
4 320 50 1 102400 2500
5 280 45 .0 78400 2025
6 198 35 0 39204 1225
7 232 18 1 53824 324
8 320 32 1 102400 1024
9 303 49 1 91809 2401
10 220 35 0 48400 1225
11 405 80 1 164025 6400
12 190 20 0 36100 400
13 230 40 0 52900 1600
14 227 30 0 51529 900
15 440 70 1 193600 4900
16 318 23 1 101124 529
17 212 35 0 44944 1225
18 340 76 1 115600 5776
19 195 22 0 38025 484
20 223 41 0 49729 1681
promedio 272,80 42,65
Muestra hipotética de 20 pacientes:
Datos: nivel de colesterol en plasma sanguíneo (en mg/100ml), edad (en años) y nivel de ejercicio (cuantificado como 0: ningún ejercicio, 1: ejercicio moderado o intenso).
1) Modelo lineal entre el nivel de colesterol y las demás variables Estadísticas de la regresión
Coeficiente de correlación múltiple 0,917688322
Coeficiente de determinación R^2 0,842151856 r2
R^2 ajustado 0,823581486
Error típico 30,98307124 Syx1x2
Nivel de confianza: 95% Z= 1,96 Observaciones 20
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
2) ¿Cuál de las dos variables explica mejor?. Fundamente su respuesta Regresión 2 87066,03804 43533,01902 45,34922352 1,53121E-07 ok
Residuos 17 16319,16196 959,9507035
Ambas variables son significativas, porque se rechaza Ho al dar el Total 19 103385,2
estadístico Fischer menor al 0,05 (observar hojas con dato marcado en amarillo)
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
La edad según los datos obtenidos en R2 y error típico explica levemente mejor Intercepción 154,257483 17,06870331 9,037445917 6,68011E-08 118,2456669 190,2692992 118,2456669 190,2692992
los datos Variable X 1 1,949780498 0,419038127 4,652990679 0,000227857 1,06568733 2,833873665 1,06568733 2,833873665
Variable X 2 78,84859504 16,02227661 4,92118548 0,000129266 45,04454624 112,6526438 45,04454624 112,6526438
Análisis de los residuales
Observación Pronóstico para Y Residuos Residuos estándares
1 389,0885179 -39,08851788 -1,333758124
2 212,750898 -22,75089796 -0,776294335
3 236,1482639 26,85173606 0,916221005
4 330,595103 -10,59510295 -0,361520605
5 241,9976054 38,00239457 1,296697988
6 222,4998005 -24,49980045 -0,835969478
7 268,202127 -36,20212703 -1,235270193
8 295,499054 24,500946 0,836008566
9 328,6453225 -25,64532245 -0,875056385
10 222,4998005 -2,499800452 -0,085296894
11 389,0885179 15,91148212 0,542923337
12 193,253093 -3,253092989 -0,111000351
13 232,2487029 -2,24870294 -0,076729075
14 212,750898 14,24910204 0,486200466
15 369,5907129 70,4092871 2,402469159
16 277,9510295 40,04897048 1,366530189
17 222,4998005 -10,49980045 -0,358268743
18 379,3396154 -39,33961539 -1,342325943
19 197,152654 -2,152653984 -0,073451742
20 234,1984834 -11,19848344 -0,382108841
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,78567336
Coeficiente de determinación R^2 0,617282629
R^2 ajustado 0,596020553
Error típico 46,88479495
Observaciones 20
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 63817,88804 63817,88804 29,03209563 4,03927E-05 ¿>0,05? NO Ok
Residuos 18 39567,31196 2198,183998
Total 19 103385,2
...