Documentos de Académico
Documentos de Profesional
Documentos de Cultura
R cuadrado
,995a
R cuadrado
Error tp. de la
corregida
estimacin
,989
,983
10,512
ANOVAa
Modelo
Suma de
gl
Media
cuadrados
Regresin
1
Residual
Total
Sig.
cuadrtica
50335,489
16778,496
552,511
110,502
50888,000
,000b
151,838
a. Variable dependiente: Y
b. Variables predictoras: (Constante), X3, X, X2
Coeficientesa
Modelo
Coeficientes no estandarizados
Coeficientes
Sig.
tipificados
B
(Constante)
1
Error tp.
-76,866
36,420
5,834
2,016
X2
-,110
X3
,001
a. Variable dependiente: Y
Beta
-2,111
,089
2,657
2,894
,034
,031
-7,079
-3,528
,017
,000
5,451
4,802
,005
b.
Vemos para el modelo que R = 0,995 por lo tanto R2 = 0,989, con esto se puede concluir que el
modelo tiene un buen ajuste.
c.
Si trabajamos con un = 0.05, veremos que para cada una de las variables
con sus respectivos Sig.:
H0: Xi no es importante en el modelo
H1: Xi es importante en el modelo
Si Sig. < Se rechaza H0
Si Sig. > no se rechaza H0
Vemos que para X sig. = 0.34 < 0.05, por lo tanto la variable se rechaza H0
Vemos que para X2 sig. = 0.17 < 0.05, por lo tanto la variable se rechaza H0
Vemos que para X3 sig. = 0.005 < 0.05, por lo tanto la variable se rechaza H0
Si trabajaramos un nivel de significancia menor a este, entonces igualmente
todas las variables contribuiran al modelo importantemente, por eso se llega a
la conclusin que todas las variables son importantes en el modelo con
cualquier < 0.05.
2.
Coeficientes
Coeficientes no estandarizados
Coeficientes
Sig.
estandarizados
B
X
(Constante)
Error tpico
-,051
,007
6564,498
179,465
Beta
-,965
-7,331
,002
36,578
,000
a.
Para el SPSS vemos que arroja un resultado en la estimacin curvilnea
exponencial de la forma:
Y = Keb1X, mientras que el modelo pedido es Y = e b0 + b1X
Hacemos el equivalente del SPSS en la forma pedida:
K = eb0 b0 = Ln(K)
En nuestro ejemplo K = 6564.498 b0 = Ln(6564.498) = 8.789
Por lo tanto lo que nos piden es: Y = e 8.789 - 0.051X
b.
Veamos el siguiente cuadro:
R cuadrado
,965
R cuadrado
Error tpico de la
corregida
estimacin
,931
,913
,029
ANOVA
Suma de
gl
Media
cuadrados
Sig.
cuadrtica
Regresin
,046
,046
Residual
,003
,001
Total
,050
53,749
,002
La variable independiente es X.
3.
- Entender para el caso de la cuadrtica: X = X1; X2 = X2
R cuadrado
,998a
R cuadrado
Error tp. de la
corregida
estimacin
,996
,994
8,020
ANOVAa
Modelo
Suma de
gl
Media
cuadrados
Regresin
1
Residual
Total
Sig.
cuadrtica
77375,298
38687,649
321,577
64,315
77696,875
,000b
601,529
a. Variable dependiente: Y
b. Variables predictoras: (Constante), X2, X
Coeficientesa
Modelo
Coeficientes no estandarizados
Coeficientes
Sig.
tipificados
B
(Constante)
1
Error tp.
15,804
11,189
-,885
1,426
X2
,314
,039
Beta
1,412
,217
-,082
-,621
,562
1,078
8,129
,000
a. Variable dependiente: Y
R cuadrado
,994
,988
R cuadrado
Error tpico de la
corregida
estimacin
,986
,119
ANOVA
Suma de
gl
Media
cuadrados
Regresin
Residual
Total
Sig.
cuadrtica
6,930
6,930
,084
,014
7,015
493,470
,000
La variable independiente es X.
Coeficientes
Coeficientes no estandarizados
Coeficientes
Sig.
estandarizados
B
X
(Constante)
Error tpico
1,107
,005
14,097
1,302
Beta
2,702
218,743
,000
10,829
,000
ANOVAa
Modelo
Suma de
gl
Media
cuadrados
Regresin
1
Total
Sig.
cuadrtica
77375,298
38687,649
321,577
64,315
77696,875
Residual
,000b
601,529
a. Variable dependiente: Y
b. Variables predictoras: (Constante), X2, X
4.
- Para el modelo logartmico:
Resumen del modelo
R
R cuadrado
,990
R cuadrado
Error tpico de la
corregida
estimacin
,980
,976
10,952
Coeficientes
Coeficientes no estandarizados
Coeficientes
Sig.
estandarizados
B
ln(X)
(Constante)
Error tpico
Beta
-101,449
5,967
395,297
16,435
-,990
R cuadrado
,908
,824
R cuadrado
Error tpico de la
corregida
estimacin
,795
Coeficientes
32,210
-17,002
,000
24,053
,000
Coeficientes no estandarizados
Coeficientes
Sig.
estandarizados
B
1/X
(Constante)
Error tpico
889,117
167,700
46,424
18,504
Beta
,908
5,302
,002
2,509
,046
a.
Segn lo que podemos observar con los coeficientes de determinacin:
Para la logartmica: R2 = 0.980
Para la inversa: R2 = 0.795
Con esto notamos que el modelo logartmico se acomoda mejor al modelo ya
que el coeficiente de determinacin tiende ms cerca a 1, por esto el modelo
cuadrtico es ms eficiente.
Esto lo podemos comprobar con el siguiente grfico:
b.
Veremos el ANOVA del modelo cuadrtico:
ANOVA
Suma de
gl
Media
cuadrados
Regresin
Residual
Total
Sig.
cuadrtica
34667,881
34667,881
719,619
119,936
35387,500
289,052
,000
5.
Si realizamos el siguiente problema de tal manera como nos dan los datos,
entonces llegaremos a una grfica en la que se muestra en cada valor de
variable independiente una acumulacin vertical; para poder evitar este
problema, entonces trabajaremos con los promedios de las variables
dependientes y hallaremos la regresin correspondiente:
Y
(Prome
dio)
892.5
985
1174.25
904.25
768.25
230.75
X
4
5
6
7
8
9
a.
R cuadrado
,705
R cuadrado
Error tp. de la
corregida
estimacin
,496
,370
254,59272
ANOVAa
Modelo
Suma de
gl
Media
cuadrados
255492,014
255492,014
Residual
259269,819
64817,455
Total
514761,833
Sig.
cuadrtica
Regresin
a. Variable dependiente: Y
3,942
,118b
Coeficientesa
Modelo
Coeficientes no estandarizados
Coeficientes
Sig.
tipificados
B
1
Error tp.
(Constante)
1611,219
409,012
-120,829
60,859
Beta
-,705
3,939
,017
-1,985
,118
a. Variable dependiente: Y
Se puede observar que la regresin del modelo lineal es una mala opcin ya
que la recta mnimos cuadrados tiene una tendencia muy distinta a la
distribuida por los datos. Adems el coeficiente de determinacin y de
correlacin son muy distantes a 1, por lo que el modelo no tendra buen ajuste,
incluso tambin nos damos cuenta la Tabla de ANOVA, en la cual el Sig. es
mayor que cualquier y para nuestro caso de 0.05 tambin.
b.
Vemos el caso para una regresin cuadrtica
- Entender para el caso de la cuadrtica: X = X1; X2 = X2
R cuadrado
,977a
R cuadrado
Error tp. de la
corregida
estimacin
,954
,924
88,42399
ANOVAa
Modelo
Suma de
gl
Media
cuadrados
Regresin
1
Residual
Total
Sig.
cuadrtica
491266,270
245633,135
23456,407
7818,802
514722,677
,010b
31,416
a. Variable dependiente: Y
b. Variables predictoras: (Constante), X2, X
Coeficientesa
Modelo
Coeficientes no estandarizados
Coeficientes
Sig.
tipificados
B
(Constante)
1
Error tp.
-1514,371
586,681
912,200
189,317
X2
-79,464
14,472
Beta
-2,581
,082
5,319
4,818
,017
-6,061
-5,491
,012
a. Variable dependiente: Y
c.
Se observa por el coeficiente de determinacin (0.954) que el modelo tiene un
buen ajuste ya que este tiende a 1 por lo que comparado con la regresin
lineal, este es mucho ms ajustado que el anterior.