Universidad Autnoma de Chiriqu

Facultad de Economa
Escuela de Economa
Modelos Econmicos ECO 414.
Proyecto Final
Tema:
Anlisis del modelo de regresin lineal mltiple.
Elaborado por:
Jose Gonzales
4-749-1674
Lidia Morales
4-776-1297
Facilitador:
Odilio Ayala
24 de noviembre

Desarrollo
1. Grficos de dispersin para cada variable explicativa versus la variable dependiente.
Interprete cada una.
GRAFICA #1

INTERPRETACION

En conclusin:
En la grfica se puede observar que hay una relacin directa
dbil entre los variables salario (Y) dado en dlares y la variable
independiente aos de Educacin (X1). Se observa que si existe
un patrn de linealidad dbil entre ambas variables.

GRAFICA #2

INTERPRETACION:
.
En conclusin en la grfica se puede observar que existe
una relacin inversa dbil entre las variables salarios (Y)
dado en dolares y la variable dependiente Gnero (X2).
Existe linealidad dbil entre las variables por que los
puntos estan dispersos
3

GRAFICA #3

INTERPRETACION:

En conclusin se puede observar una relacin directa

moderada entre las variables salario (Y) dado en
dlares VS la variable independiente edad del
empleado (X3). Si existe linealidad moderada
debido a que los puntos se encuentran algo
dispersos.
4

GRAFICA #4

INTERPRETACION:

En conclusin se puede observar una relacin directa dbil entre

las variables salario (y) dado en dlares Vs la variable estado civil
(x4) debido a que los puntos estn muy dispersos, por lo tanto
existe un patrn de linealidad dbil.

GRAFICA # 5

INTERPRETACION:

En conclusin se puede observar que existe una

relacin directa dbil entre las variables salarios
anuales de los trabajadores de la industria de Estados
Unidos (Y) Vs la variable independiente de empleados
que pertenecen al sindicato (X5). No hay linealidad
debido a que los puntos estn dispersos.

2. ANLISIS DE CORRELACIN MLTIPLE (MATRIZ DE CORRELACIN). EXPLIQUE Y

VERIFIQUE QUE VARIABLES INDEPENDIENTES ESTN CORRELACIONADAS
SIGNIFICATIVAMENTE CON LA VARIABLE DEPENDIENTE.
Matriz de correlacin:
Y Vs X1= 0.408** Tiene una correlacin moderada, directa y significativa
cuando la significancia es de = 0.05; entre los salarios y la educacin X1.
Y Vs X2= - 0.356** Tiene una correlacin moderada, inversa y significativa
cuando la significancia es de = 0.05; entre los salarios y el gnero x2.
Y Vs X3= 0.181 Tiene una correlacin dbil, no significativa; a un nivel de
= 0.05; entre los salarios y la edad x3.
Y Vs X4= 0.248* Tiene una correlacin dbil y significante; cuando el nivel
= 0.05; entre el salario y el estado civil x4.
Y Vs X5= 0.052 Tiene una correlacin dbil, no significativa; cuando el nivel
de = 0.05; entre el salario y el sindicato x5.

R X1, X2= - 0.082= tiene una correlacin dbil, inversa y no es significativa a un nivel
de = 0.05, entre el valor de la variable aos de educacin del empleado x1 y gnero
x2.
R X1, X3= -0.238*= tiene una correlacin dbil, inversa y es significante a un nivel de
= 0.05, entre las variables X1 aos de educacin y la variable edad del empleado X3.

 R X1, X4= 0.024= la correlacin es dbil, directa y no es significativa en un nivel de

significancia DE 0.05. Entre las variables aos de educacin del empleado X1 y la
variable de estado civil del empleado X4.
R X1, X5= 0.083= la correlacin es dbil, directa y no es significativa a un nivel de
significancia de 0.05. Entre las variables aos de educacin del empleado X1 y la
variable si el empleado pertenece al sindicato X5.
R X2, X3= 0.029= La correlacin es dbil directa y no significativa a un nivel de
significancia de 0.05. Entre las variables de gnero X2 y la variable edad del empleado
dado en aos cumplidos X3.
R X2, X4= -0.021= La correlacin es dbil, inversa y no significativa a un nivel de
significancia de 0.05. Entre las variables de gnero X2 y la variable de estado civil del
empleado X4.
R X2, x5= -0.128= La correlacin es dbil, inversa y no significativa a un nivel de
significancia de 0.05. Entre las variables de gnero X2 y la variable si el empleado
pertenece al sindicato X5.
R X3, x4= 0.371**= tiene una correlacin moderada, directa y significativa a un nivel
de significancia de 0.05. Entre las variables edad del empleado en aos cumplidos X3 y
la variable de estado civil X4.
R X3, X5= 0.269= tiene una correlacin dbil, directa y no significativa a un nivel de
significancia de 0.05. Entre las variables edad del empleado en aos cumplidos X3 y la
variable si el empleado pertenece al sindicato X5.

 R X4, X5= 0.052= tiene una correlacin directa, dbil y no significativa a un nivel de
significancia de 0.05. Entre las variables estado civil X4 y la variable si el empleado
pertenece al sindicato X5.

3. DETERMINE SI EXISTE CORRELACION SIGNIFICATIVA ENTRE LAS VARIABLES

INDEPENDIENTES (MULTICOLINEALIDAD).
INTERPRETACION:

En base a las correlaciones entre las variables independientes se puede

observar que no existe un problema de multicolinealidad debido a que en las
variables independientes no son significativas y no existe una fuerte
correlacin entre ellas.

10

4. ANLISIS DE REGRESIN MLTIPLE

Coeficientes

Coeficientes
Coeficientes no estandarizados
Modelo
1

B
(Constante)
Educacin X1
Gnero X2
Edad X3
Estado Civil X4
Sindicato X5

Error tp.

-15900.563

9064.611

2749.865

517.861

-11455.407

tipificados
Beta

Sig.

-1.754

.083

.453

5.310

.000

2771.055

-.339

-4.134

.000

377.516

128.473

.279

2.938

.004

4757.005

3162.879

.133

1.504

.136

-4874.027

3781.845

-.111

-1.289

.201

a. Variable dependiente: Salario ($) Y

A. Obtener los coeficientes de la regresin (betas) y escribir la ecuacin de estimacin lineal.

adems deben de interpretar cada uno de dichos coeficientes.

= - o + 1 x1 - 2 x2 + 3 x3 +4 x4 - 5 x5 + Ei

= - 15900.563 + 2749.865 X1 - 11455.407 X2 + 377.516 X3 + 4757.005 X4 - 4874.027 X5

Interpretacin de los coeficientes

o=

-15900.563: Representa los salarios anuales en dlares de empleados

de una

industria en Estados Unidos, siempre y cuando las variables Educacin (X1), Genero (X2),
Edad (X3), Estado civil (X4), y Sindicato (X5) sean iguales a 0.

1=2749.865: Por cada ao adicional de educacin del empleado de la industria (X1), el

salario anual (Y) aumenta en dlares 2749.865 siempre y cuando las otras variable se
mantengan constante.

11

2= - 11455.407: Por cada gnero de los empleados que se adicionan

a la industria, el

salario anual, disminuye 11455.407 en dlares, siempre y cuando las otras variables se
mantengan constante.

3= 377.516:

Por cada ao que cumpla el empleado de la industria, el salario anual

aumenta 377.516 en dlares; siempre y cuando las otras variables se mantengan

constante.

4=4757.005:

Por cada estado civil del empleado de la industria, el salario anual

aumenta 4757.005 en dlares siempre y cuando las otras variable se mantenga constante.

5=

-4874.027: Por cada empleado que pertenezca al

sindicato, el salario anual

disminuye 4874.027 en dlares siempre y cuando las otras variables se mantengan

constante.

b-) PRUEBA DE BONDAD DE AJUSTE (R2 Y R2 AJUSTADO)

R= 0.619

Existe una correlacin lineal moderada y directa entre el conjunto delas variables
independientes Educacin (X1), Genero (X2), Edad (X3), Estado Civil (X4) y Sindicato (X5),
y la variable dependiente salarios anuales en ($) (Y).

12

R 2=0.0384

El 3.84% de los cambios de los salarios anuales en dlares de los empleados de la

industria son explicados por los cambios o variabilidad en el conjunto de las variables
Educacin (X1), Gnero (X2), Edad (X3), Estado Civil (X4), Sindicato (X5); y el 96.16% de los
cambios son explicados por otras variables no consideradas en el modelo y por el margen
de error.

R2 Ajustado= 0.351

El 35.1%de los cambios de los salarios anuales en dlares de los trabajadores de la

industria, son explicadas por los cambios o variabilidad en el conjunto de las variables
Educacin (X1), Genero (X2),Edad (X3), Estado Civil (X4), Sindicato (X5), considerando el
tamao de la muestra y el nmero de variables independientes. Y el 64.9% de los
cambios son explicados por otras variables no consideradas en el modelo y por el margen
de error. Considerando el tamao de la muestra y el nmero de variables independientes.

13

C-) PRUEBA GLOBAL DEL MODELO

ANOVA
Suma de
Modelo
1

cuadrados

Media
gl

cuadrtica

Regresin

1.090E10

2.181E9

Residual

1.753E10

94

1.865E8

Total

2.843E10

99

F
11.695

Sig.
.000

a. Variables predictoras: (Constante), Sindicato X5, Estado Civil X4, Educacin

X1, Gnero X2, Edad X3
b. Variable dependiente: Salario ($) Y

Ho: o = 1 = 2 = 3 = 4 = 5=0
Ha: o 1 2 3 4 50

= 0.05
REGLA DE DECISIN:

si es significancia de F es < se rechaza Ho

0.000<0.05 se rechaza Ho

CONCLUSION:

Existe evidencia suficiente de que al menos unas de las

betas es significativa, por lo que al menos una de las
variables explica el modelo. El modelo globalmente es
bueno para predecir el comportamiento de los salarios
anuales dado en ($).

14

D-) PRUEBA DE SIGNIFICANCIA INDIVIDUAL DE CADA UNO DE LOS

COEFICIENTES (BETAS). EXPLICAR SI ES NECESARIO ELIMINAR DEL
MODELO ALGUNA VARIABLE INDEPENDIENTE.
Coeficientes

Coeficientes
Coeficientes no estandarizados
Modelo
1

B
(Constante)
Educacin X1
Gnero X2
Edad X3
Estado Civil X4
Sindicato X5

Error tp.

-15900.563

9064.611

2749.865

517.861

-11455.407

tipificados
Beta

Sig.

-1.754

.083

.453

5.310

.000

2771.055

-.339

-4.134

.000

377.516

128.473

.279

2.938

.004

4757.005

3162.879

.133

1.504

.136

-4874.027

3781.845

-.111

-1.289

.201

a. Variable dependiente: Salario ($) Y

Variable Aos de Educacin (X1):

Ho: 1=0 (1 no es significativa la variable aos de educacin X1, no explica el salario
anual en $).
Ha: 1 0 (1 si es significativa la variable aos de educacin X1, si explica el
comportamiento del salario anual dado en $).

= 0.05
Regla de decisin:

Si sig. t< se rechaza Ho

0.000<0.05 se rechaza Ho

CONCLUSION:

Existe evidencia estadstica suficiente de que 1 (aos de

educacin) si es significativa, por lo tanto la variable X1 si
explica el comportamiento de los salarios anuales en $.
Por lo tanto la variable x1 si aporta al modelo.
15

 Variable Gnero (X2):

Ho: 2=0 (2 no es significativa la variable gnero X2, no explica el salario anual en $.)
Ha: 20 (2 si es significativa la variable gnero X2, si explica el comportamiento de los
salarios anuales en $).

= 0.05
Regla de decisin:
Si sig. t< se rechaza Ho
0.000<0.05 se rechaza Ho
CONCLUSION
Existe evidencia estadstica suficiente de que 2 si
es significativa, por lo tanto la variable X2 si explica
el comportamiento de los salarios anuales en $.

Variable Edad del empleado (X3):

Ho: 3=0 (3 no es significativa la variable edad del empleado X3, no explica el salario
anual en $.)
Ha: 30 (3 si es significativa la variable edad del empleado X3, si explica el
comportamiento de los salarios anuales en $).

= 0.05
Regla de decisin:

Si sig. t< se rechaza Ho

0.004< 0.05 se rechaza Ho

CONCLUSION

Existe evidencia estadstica suficiente de que 3

si es significativa, por lo tanto la variable X3 si
explica el comportamiento de los salarios anuales
en $.

16

 Variable Estado civil del empleado (X4):

Ho: 4=0 (4 no es significativa la variable de estado civil del empleado X4, no explica el
salario anual en $.)
Ha: 4 0 (4 si es significativa la variable del estado civil del empleado X4, si explica el
comportamiento de los salarios anuales en $).

= 0.05
Regla de decisin:

Si sig. t<

se rechaza Ho

0.136> 0.05 no se rechaza Ho

CONCLUSION
Existe evidencia estadstica suficiente de que
4 no es significativa, por lo tanto la variable
X4 no explica el comportamiento de los
salarios anuales en $.

Variable sindicato (X5):

Ho: 5=0 (5 no es significativa la variable de sindicato X5, no explica el salario anual en
$.)
Ha: 50 (5 si es significativa la variable de sindicato X5, si explica el comportamiento de
los salarios anuales en $).

= 0.05
Regla de decisin:

Si sig. t< se rechaza Ho

0.201 > 0.05 no se rechaza Ho

CONCLUSION:
Existe evidencia estadstica suficiente de que 5
no es significativa, por lo tanto la variable X5 no
explica el comportamiento de los salarios
anuales en $.

17

En conclusin:

Por ahora, se observa que la variable educacin x1, gnero x2 y edad x3 representan una significancia
individual importante en el modelo y, que por lo tanto, se podra afirmar que son variables que si
aportan al estudio; a diferencia de las variables independientes estado civil del empleado X4 y la
variable sindicato X5, que segn este anlisis, deberan descartarse puesto que no resultan
considerablemente significativas para el anlisis de la variable dependiente salarios anuales dado en
dlares.

E) EN CASO DE QUE SEA NECESARIO ELIMINAR UNA O MAS DE LAS VARIABLES

INDEPENDIENTES, OBTENGA LOS RESULTADOS DEL NUEVO MODELO Y REALICE LA
PRUEBA DEL MODELO RESTRINGIDO.
Correlaciones
Salario ($) Y
Salario ($) Y

Correlacin de Pearson

Educacin X1

Gnero X2

Edad X3

Correlacin de Pearson

Gnero X2

.181

.000

.000

.071

100

100

100

100

**

-.082

-.238

.420

.017

.408

.408

**

Edad X3

**

Sig. (bilateral)
N

Educacin X1

-.356

Sig. (bilateral)

.000

100

100

100

100

**

-.082

.029

Sig. (bilateral)

.000

.420

100

100

100

100

Correlacin de Pearson

.181

-.238

.029

Sig. (bilateral)

.071

.017

.774

100

100

100

Correlacin de Pearson

-.356

.774

100

18

Correlaciones
Salario ($) Y
Salario ($) Y

Educacin X1

.181

.000

.000

.071

100

100

100

100

**

-.082

-.238

.420

.017

.408

Sig. (bilateral)

Educacin X1

Gnero X2

Edad X3

Correlacin de Pearson

.408

**

Edad X3

**

Correlacin de Pearson

Gnero X2
-.356

Sig. (bilateral)

.000

100

100

100

100

**

-.082

.029

Sig. (bilateral)

.000

.420

100

100

100

100

Correlacin de Pearson

.181

-.238

.029

Sig. (bilateral)

.071

.017

.774

100

100

100

Sig.

Correlacin de Pearson

-.356

.774

100

**. La correlacin es significativa al nivel 0,01 (bilateral).

*. La correlacin es significante al nivel 0,05 (bilateral).

ANOVA
Suma de
Modelo
1

cuadrados

Media
gl

cuadrtica

Regresin

1.011E10

3.370E9

Residual

1.832E10

96

1.909E8

Total

2.843E10

99

17.659

.000

a. Variables predictoras: (Constante), Educacin X1, Gnero X2, Edad X3

b. Variable dependiente: Salario ($) Y

Coeficientes

19

Coeficientes
Coeficientes no estandarizados
Modelo

(Constante)
Edad X3
Gnero X2
Educacin X1

tipificados

Error tp.

-14706.447

9017.841

402.968

113.944

-11088.125
2745.557

Beta

Sig.

-1.631

.106

.298

3.537

.001

2777.408

-.328

-3.992

.000

513.542

.452

5.346

.000

a. Variable dependiente: Salario ($) Y

Prueba del Modelo Restringido:

Ho= 1 = 2= 3 =0
Ha= 1 2 3 0

Estadstico de Prueba:
2

Fc (R -R *)/q

R2=

R2*=

q= 2 n=

K=5

(1-R2) / (n-K)

20

Regla de Decisin:
Si el Fc >F de Tabla, se rechaza Ho, por lo tanto, no se puede restringir el modelo, porque
1, 2, Y 3 son significativo.
Si el Fc <F de Tabla, entonces se acepta Ho y se concluye que se pueden eliminar las
variables X1, X2, X3 porque su 1, 2 Y 3, no son significativos en el modelo.

F Calculado:
Fc (0.557-0.531)/2
(1-0.557) / (41-8)

= 0.47

F de Tabla:

F (, q, n - k)
F (0.05, 2, 33)

0.47 < 2.92 No se rechaza Ho

Conclusin:

Se acepta Ho y se concluye que se pueden eliminar las variables

X5, X6, X7 y X8 porque su 5, 6, 7 Y 8, no son significativas y
no aportan en el modelo de la tasa de desempleo.

F) En funcin de los resultados de la pregunta anterior, escriba la ecuacin de estimacin

lineal definitiva.
= o + 1 x1 + 2 x2 + 3 x3 + Ei
21

= 54.468 -0.147X1+0.251X2 -0.400X3 -0.389X4

22