LISTA DE PROVEEDORES DE PRODUCTOS ALIMENTICIOS

I.

A continuacin mostraremos las variables dependientes (2) e independientes (1) del anlisis

Variables dependientes: Variable independiente:

Compras actuales Tiempo provisin de productos(meses) Compras iniciales

II.

Tabla de resumen del modelo de regresin mltiple

Las tres variables que se incluyen en este anlisis explican un 79.8% de varianza de la variable dependiente, es decir se puede observar un alto grado de poder explicativo: la variacin conjunta explica un 79.8% de la variacin de las compras iniciales. Se puede observar que la R (cuadrada) corregida= 0.798. Sumado a esto el valor del error tpico de sus residuos es del 717749,53 en el anlisis de regresin mltiple.

III.

Ecuacin de regresin mltiple

Se puede observar las diferencias en algunos casos entre las compras iniciales y actuales entre los distintos proveedores durante un tiempo determinado.

Como referencia para evaluar los diferentes montos de compra de los proveedores, se tomara como referencia a las compras iniciales y finales para as establecer su comparacin y diferenciacin.

Se puede inferir que los resultados estimados son los siguientes:

Y = - 12605.743 + 107.955 X1 1075.487 X2

Se observa que la constante es negativa, por tal motivo es conveniente volver a estimar la regresin, es decir sin esta constante para tener estimaciones ms eficientes, los resultados son los siguientes:

Y = 107.955 X1 1075.487 X2

El X1 nos indica que las compras de los proveedores han aumentando entre un 10795 u 1080 de monto a lo largo del tiempo de servicio. El X2 nos indica el incremento de compras de un 107548 de monto en un ao de cada proveedor de alimentos.

IV.

Tabla de ANOVA de una regresin mltiple

Por medio de la ANOVA podemos observar si existe una relacin lineal significativa entre las variables dependientes e independientes. El valor del nivel crtico sig.=0,000, no da un indicador claro de que si existe una relacin lineal significativa. En el hiperplano, definido por la ecuacin de la regresin ofrece un buen ajuste en la nube de puntos que se observa.