Guía Del Laboratorio Regresión Lineal Múltiple

Guía del Laboratorio Regresión Lineal Múltiple.
El señor Mike Wilde es presidente del sindicato de gerentes de cierto distrito. Como preparación para las futuras
negociaciones, a Mike le gustaría investigar la estructura de los sueldos del personal en ese distrito. Considera que
existen tres factores que afectan al salario de un gerente: los años de experiencia, una calificación de efectividad y el
número de capacitaciones. Una muestra aleatoria de 20 gerentes dio como resultado los siguientes datos.
Sueldo Años de Calificación del Número de

(S/.) experiencia director capacitaciones
2110 8 35 7
2300 5 43 3
1930 2 51 3
3300 15 60 7
2800 11 73 6
3500 14 80 8
3200 9 76 6
2680 7 54 5
3860 22 55 10
2710 3 90 4
1570 1 30 3
2060 5 44 2
4180 23 84 12
3670 17 76 9
2840 12 68 8
2360 14 25 8
3180 8 90 4
2070 4 62 3
2280 2 80 2
3280 8 72 4
1.1. Identifique las variables en estudio. (Variable dependiente e independientes)

1.2. Analice la presencia de Multicolinealidad
1.3. Indique que variable independiente (predictora) impacta más a la variable dependiente.
1.4. Identifique y valide el modelo de regresión lineal múltiple seleccionado, usando un nivel de significación
del 5%.
1.5. Determine el modelo de regresión estimado e interprete los coeficientes de regresión.
1.6. Probar los supuestos del modelo de regresión lineal múltiple con un nivel de significancia del 5%. (Normalidad
y Autocorrelación de errores)
1.7. Estime el sueldo promedio en nuevos soles con un nivel de confianza del 97%, cuando el gerente tiene 14
años de experiencia, 89 puntos de calificación de efectividad y 8 capacitaciones.
1.1. Identifique las variables en estudio. (Variable dependiente e independientes)
Variable dependiente:
Y - Sueldo (S/.)
Variables independientes:
X1 - Años de experiencia,
X2 - Calificación de efectividad del director,
X3 - Número de capacitaciones,
1.2. Analice la presencia de Multicolinealidad y formula los posibles modelos a analizar.

Correlaciones
Años de Calificación Número de
experiencia_ del director_ capacitaciones_
Sueldo (S/.)_Y X1 X2 X3
Sueldo (S/.)_Y Correlación de Pearson 1 ,844 ,614 ,756
Años de Correlación de Pearson ,844 1 ,187 ,943

experiencia_X1
Calificación del Correlación de Pearson ,614 ,187 1 ,146
director_X2
Número de Correlación de Pearson ,756 ,943 ,146 1
capacitaciones_X3
Análisis de multicolinealidad
< |rx1y| = ,844 No hay multicolinealidad entre X1 - Años de experiencia y
|rx1x2| = ,187 < |rx2y| = ,614 X2 - Calificación de efectividad del director, ambas
variables pueden estar en el mismo modelo.
> |rx1y| = ,844 Hay multicolinealidad entre las variables X1 - Años de
|rx1x3| = ,943 > |rx3y| = ,756 experiencia y X3 - Número de capacitaciones, ambas
variables no deben estar en el mismo modelo.
< |rx2y| = ,614 No hay multicolinealidad entre las variables X2 -
|rx2x3| = ,146 < |rx3y| = ,756 Calificación del director y X3 - Número de capacitaciones,
ambas variables no deben estar en el mismo modelo.
1.3. Indique que variable independiente (predictora) impacta más a la variable dependiente.
Correlaciones
Años de Calificación Número de
experiencia del capacitaciones
Sueldo (S/.)_Y _ X1 director_ X2 _X3
Sueldo (S/.)_Y Correlación de Pearson 1 ,844 ,614 ,756
Años de Correlación de Pearson ,844 1 ,187 ,943

experiencia_X1
Calificación del Correlación de Pearson ,614 ,187 1 ,146
director_X2
Número de Correlación de Pearson ,756 ,943 ,146 1
capacitaciones_X3
La variable independiente (predictora) “Años de experiencia” (X1), es la que impacta más en la variable
dependiente “Sueldo”, pues el valor absoluto del coeficiente de correlación de Pearson es el mayor.
|rx1y| = ,844 > ,756 > ,614
1.4. Identifique y valide el modelo de regresión lineal múltiple seleccionado, usando un nivel de significación
del 5%.
R cuadrado
Modelos a analizar Prioridad/Ranking
ajustado
YX1X2 ,919 1
YX2X3 ,811 2
YX1 ,696 3
YX2 ,343 5
YX3 ,547 4
Resumen del modelob
Error estándar
R cuadrado de la Durbin-
Modelo R R cuadrado ajustado estimación Watson
1 ,963a ,928 ,919 202,22715 1,665
a. Predictores: (Constante), Calificación del director_X2, Años de experiencia_X1
b. Variable dependiente: Sueldo (S/.)_Y
Resumen del modelob

Error estándar
1 ,912a ,831 ,811 309,44494 2,305
a. Predictores: (Constante), Número de capacitaciones_X3, Calificación del
director_X2
Resumen del modelob

Error estándar
1 ,844a ,712 ,696 392,52958 1,989
a. Predictores: (Constante), Años de experiencia_X1
Resumen del modelob

Error estándar
1 ,614a ,377 ,343 577,05014 2,015
a. Predictores: (Constante), Calificación del director_X2
Resumen del modelob

Error estándar
1 ,756a ,571 ,547 478,80409 1,871
a. Predictores: (Constante), Número de capacitaciones_X3
Identifique y valide el modelo de regresión lineal múltiple seleccionado, usando un nivel de significación del 5%.
R cuadrado
Modelos a analizar Prioridad/Ranking
ajustado
YX1X2 ,919 1
Coeficientesa
Coeficientes
Coeficientes no estandarizado
estandarizados s t Sig.
Modelo B Error estándar Beta
1 (Constante) 934,406 159,200 5,869 ,000
Años de experiencia_X1 83,629 7,347 ,755 11,383 ,000
Calificación del 17,069 2,394 ,473 7,129 ,000
director_X2
a. Variable dependiente: Sueldo (S/.)_Y
Para que el Modelo YX1X2 sea válido, es necesario que, en ambas pruebas de hipótesis, sean rechazadas ( RH0 )
H0 : β1 = 0 => Modelo de RLM, no es válido H0 : β2 = 0 => Modelo de RLM, no es válido

H1 : β1 ≠ 0 => H1 : β2 ≠ 0 =>
Sig. = ,000 < α = 0,05 => RH0 Sig. = ,000 < α = 0,05 => RH0
Como se rechaza ambas hipótesis nulas, el modelo de regresión lineal múltiple YX1X2 es válido.
Por lo tanto, no es necesario pasar al siguiente modelo según el ranking o prioridad.
1.5. Determine el modelo de regresión estimado e interprete los coeficientes de regresión.
Modelo Estimado YX1X2: (Mejor modelo)

̂ = β̂0 + β̂1 X1 + β̂2 X2
Y
̂ = 934,406 + 83,629 X1 + 17,069 X 2
Y
Interprete los coeficientes de regresión.
𝛽̂1 = 83,629 (Cuando la experiencia del gerente aumenta en un año y se mantiene constante la calificación
(no varían el resto de las variables independientes), su sueldo se incremente en 83,629 soles)
𝛽̂2 = 17,069 (Cuando la calificación de efectividad del gerente aumenta en un punto y se mantiene
constante la experiencia (no varían el resto de las variables independientes), el Sueldo (S/.) se
incrementa en 17,069)
1.6. Probar los supuestos del modelo de regresión lineal múltiple con un nivel de significancia del 5%. (Normalidad
y Autocorrelación de errores).
Supuesto:
No existe Autocorrelación de los errores DW ϵ [ 1, 3]
Resumen del modelob

Error estándar
1 ,963a ,928 ,919 202,22715 1,665
a. Predictores: (Constante), Calificación del director_X2, Años de experiencia_X1
Respuesta:
𝑫𝑾 = 𝟏, 𝟔𝟔𝟓 ∈ [ 1, 3] => No existe Autocorrelación de los errores y se cumple el Supuesto
Supuesto:
Normalidad de los errores:
H0: Los errores siguen una distribución normal
H1: Los errores no siguen una distribución normal
Prueba de Kolmogorov-Smirnov para una muestra

Unstandardized
Residual
N 20
a,b
Parámetros normales Media ,0000000
Desviación estándar 191,28773440
Máximas diferencias Absoluta ,116
extremas Positivo ,116
Negativo -,068
Estadístico de prueba ,116
Sig. asintótica (bilateral) ,200c,d
a. La distribución de prueba es normal.
b. Se calcula a partir de datos.
c. Corrección de significación de Lilliefors.
d. Esto es un límite inferior de la significación verdadera.
Respuesta:
Sig. = ,200 ≥ α = 0,05 => NRH0, entonces, los errores siguen una distribución normal y se cumple el Supuesto de la
distribución normal de los errores.
1.7. Estime el sueldo promedio en nuevos soles con un nivel de confianza del 97%, cuando el gerente tiene 14 años
de experiencia, 89 puntos de calificación de efectividad y 8 capacitaciones.
Con un 97% de nivel confianza, cuando se tiene 14 años de experiencia y se obtiene 89 puntos en la calificación de
efectividad, el sueldo del gerente es un valor, que está en el intervalo [3434,81104; 3813,93150].

Guía Del Laboratorio Regresión Lineal Múltiple

Cargado por

Copyright:

Formatos disponibles

Guía Del Laboratorio Regresión Lineal Múltiple

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guía Del Laboratorio Regresión Lineal Múltiple

Cargado por

Copyright:

Formatos disponibles

Guía del Laboratorio Regresión Lineal Múltiple.

Sueldo Años de Calificación del Número de

1.1. Identifique las variables en estudio. (Variable dependiente e independientes)

1.2. Analice la presencia de Multicolinealidad y formula los posibles modelos a analizar.

Años de Correlación de Pearson ,844 1 ,187 ,943

Años de Correlación de Pearson ,844 1 ,187 ,943

Resumen del modelob

Resumen del modelob

Resumen del modelob

Resumen del modelob

H0 : β1 = 0 => Modelo de RLM, no es válido H0 : β2 = 0 => Modelo de RLM, no es válido

1.5. Determine el modelo de regresión estimado e interprete los coeficientes de regresión.

Modelo Estimado YX1X2: (Mejor modelo)

Interprete los coeficientes de regresión.

Resumen del modelob

Prueba de Kolmogorov-Smirnov para una muestra

También podría gustarte

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.