21. El seor Fred G. Hire es el gerente de recursos humanos del St. Lukes Medical Center.

Como parte de su informe anual al director del centro mdico se le pide que presente un estudio de los salarios de los empleados. Como hay ms de mil empleados, no tiene personal suficiente para recabar la informacin de todos los empleados, asi es que selecciona una muestra aleatoria de 30. De cada empleada recaba: salario mensual; tiempo de servicio en St. Lukes Medical Center, en meses; sexo (1=masculino, 0=femenino); y si el empleado tiene un trabajo tcnico o de oficina. A los que tienen un trabajo tcnico se le asigna 1, y los que tienen un trabajo de oficina, 0.

Anlisis de correlacin y regresin lineal mltiple:

Res um e n de l m ode lo Modelo 1 R R c uadrado .658 a .433 R c uadrado corregida .342 Error tp. de la es timacin 236.529

a. Variables predictoras : (Cons tante), Trabajo (x 4), Sex o (x3), Edad (x2), Tiempo De Servicio (x1)

Coeficiente de correlacin(R): 0.658 (relacin intensa) R2=0.433 El 43.3 % de la variacin en el salario mensual de los empleados depende del tiempo de servicio, el sexo, la edad y el trabajo. Error estndar: 236.529 El error estndar de estimacin es 236.529 dlares.

Prueba global:
H0: 1= 2= 3= 4=0 H1: Al menos una de las tas es diferente de cero.
ANOV Ab Modelo 1 Suma de cuadrados 1066830.4 1398651.0 2465481.4 gl Media cuadrtica 4 266707.597 25 55946.039 29 F 4.767 Sig. .005 a

Regresin Residual Total

a. V ariables predictoras : (Cons tante), Trabajo (x 4), Sex o (x3), Edad (x2), Tiempo De Servicio (x1) b. V ariable dependiente: Salario Mensual (y)

Decisin: Rechazamos H0 porque la significancia (0.05) es igual que 0.05. Conclusin: al menos una de las tas es diferente de cero.

a Coe ficiente s

Modelo 1

(Cons tante) Tiempo De Serv icio (x1) Edad (x 2) Sexo (x 3) Trabajo (x4)

Coef icientes no es tandariz ados B Error tp. 651.858 345.302 13.422 5.125 -6.710 6.349 205.646 90.266 -33.453 89.547

Coef icientes es tandariz ad os Beta .652 -.257 .355 -.057

t 1.888 2.619 -1.057 2.278 -.374

Sig. .071 .015 .301 .032 .712

a. Variable dependiente: Salario Mensual (y)

Ecuacin de regresin mltiple de mnimos cuadrados: Y= 651.858 + 13.422X1 6.710X2 + 205.646X3 - 33.453X4 Dnde: B1: Por cada mes de servicio el salario mensual aumenta en 13.422 dlares. B2: Por cada ao de edad que tiene la persona el salario mensual disminuye en 6.710 dlares al mes. B3: Dependiendo del sexo del empleado el salario mensual aumenta en 205.646 dlares al mes. B4: Dependiendo del trabajo del empleado el salario mensual disminuye en 33.453 dlares al mes. A continuacin calcularemos el salario mensual de un empleado tomando valores al azar asignados por nosotros: Meses de servicio (X1): 100 meses. Edad (X2): 50 aos. Sexo (X3): Masculino. Trabajo (X4): Trabajo tcnico. Y= 651.858 + 13.422(100) - 6.710(50) + 205.646(1) - 33.453(1) Y= 1,830.75 dlares mensuales.

Prueba individual:
Cor relaciones Salario Mensual (y) 1 Tiempo De Servicio (x1) Edad (x 2) Sexo (x 3) Trabajo (x4) .510** .256 .468** .011 .004 .173 .009 .952 30 30 30 30 30 .510** 1 .776** .183 .157 .004 .000 .332 .407 30 30 30 30 30 .256 .776** 1 .033 .094 .173 .000 .865 .620 30 30 30 30 30 .468** .183 .033 1 -.027 .009 .332 .865 .885 30 30 30 30 30 .011 .157 .094 -.027 1 .952 .407 .620 .885 30 30 30 30 30

Salario Mensual (y )

Correlacin de Pearson Sig. (bilateral) N Tiempo De Serv icio (x1) Correlacin de Pearson Sig. (bilateral) N Edad (x 2) Correlacin de Pearson Sig. (bilateral) N Sexo (x 3) Correlacin de Pearson Sig. (bilateral) N Trabajo (x4) Correlacin de Pearson Sig. (bilateral) N

**. La c orrelac in es signif icativ a al niv el 0,01 (bilateral).

El coeficiente de correlacin entre y y x1 es diferente de cero (significancia de 0.004 es menor que 0.01), por lo tanto X1 queda dentro del modelo de regresin. El coeficiente de correlacin entre y y x2 es igual a cero (significancia de 0.173 es mayor que 0.01), por lo tanto eliminamos X2 del modelo de regresin. El coeficiente de correlacin entre y y x3 es diferente de cero (significancia de 0.009 es menor que 0.01), por lo tanto X3 queda dentro del modelo de regresin. El coeficiente de correlacin entre y y x4 es igual a cero (significancia de 0.952 es mayor que 0.01), por lo tanto eliminamos X4 del modelo de regresin. Quedaron 2 variables independientes (X1 y X3) que no presentan problemas de multicolinealidad (coeficiente de correlacin es 0.183 y est dentro del rango permitido de -0.7 a 0.7).

Anlisis de variables independientes:

Res um e n de l m ode lo Modelo 1 R R c uadrado .636 a .405 R c uadrado corregida .361 Error tp. de la es timacin 233.071

a. Variables predictoras : (Cons tante), Sexo (x3), Tiempo De Servicio (x1)

Coeficiente de correlacin(R): 0.636 (relacin intensa) R2=0.405 El 40.5 % de la variacin en el salario mensual de los empleados depende del tiempo de servicio y del sexo. Error estndar: 233.071 El error estndar de estimacin es 233.071 dlares.

Prueba global:
H0: 1= 2=0 H1: Al menos una de las tas es diferente de cero.
ANOV Ab Modelo 1 Suma de cuadrados 998778.668 1466702.7 2465481.4 gl Media cuadrtica 2 499389.334 27 54322.322 29 F 9.193 Sig. .001 a

Regresin Residual Total

a. V ariables predictoras : (Cons tante), Sexo (x3), Tiempo De Servicio (x1) b. V ariable dependiente: Salario Mensual (y)

Decisin: Rechazamos H0 porque la significancia (0.01) es menor que 0.05. Conclusin: al menos una de las tas es diferente de cero.

a Coe ficiente s

Modelo 1

(Cons tante) Tiempo De Serv icio (x1) Sexo (x 3)

Coef icientes no es tandariz ados B Error tp. 784.186 316.819 9.021 3.106 224.406 87.352

Coef icientes es tandariz ad os Beta .439 .388

t 2.475 2.904 2.569

Sig. .020 .007 .016

a. V ariable dependiente: Salario Mensual (y)

Ecuacin de regresin mltiple de mnimos cuadrados: Y= 784.186 + 9.021X1 + 224.406X3 Dnde: B1: Por cada mes de servicio el salario mensual aumenta en 9.021 dlares. B3: Dependiendo del sexo del empleado el salario mensual aumenta en 224.406 dlares al mes. A continuacin calcularemos el salario mensual de un empleado tomando valores al azar asignados por nosotros: Meses de servicio (X1): 100 meses. Sexo (X3): Masculino (1). Y= 784.186 + 9.021(100) + 224.406(1) Y= 1910.692 dlares mensuales.

Prueba individual:
Cor relaciones Salario Mensual (y) 1 Tiempo De Servicio (x1) Sexo (x 3) .510** .468** .004 .009 30 30 30 .510** 1 .183 .004 .332 30 30 30 .468** .183 1 .009 .332 30 30 30

Salario Mensual (y)

Tiempo De Servicio (x1)

Sexo (x 3)

Correlacin de Pearson Sig. (bilateral) N Correlacin de Pearson Sig. (bilateral) N Correlacin de Pearson Sig. (bilateral) N

**. La c orrelac in es signif ic ativ a al nivel 0,01 (bilateral).

o o

El coeficiente de correlacin entre y y x1 es diferente de cero (significancia de 0.004 es menor que 0.01), por lo tanto X1 queda dentro del modelo de regresin. El coeficiente de correlacin entre y y x3 es diferente de cero (significancia de 0.009 es menor que 0.01), por lo tanto X3 queda dentro del modelo de regresin.

Hemos comprobado que las dos variables son independientes (X1 y X3) y que no presentan problemas de multicolinealidad (coeficiente de correlacin es 0.183 y est dentro del rango permitido de -0.7 a 0.7).