ANÁLISIS DE REGRESIÓN LINEAL SIMPLE

 Sirve para predecir

 1991
 1992
 1993
Modelo estadístico 𝑦 = 𝛼 + 𝛽𝑥 =
Donde: 𝛼 𝑦 𝛽 parámetros?
Y: dependiente: número de pacientes
X: independiente: años

RESUMEN DEL MODELO

Modelo R R cuadrado R cuadrado Error estándar
ajustado de la
estimación
1 ,952a ,906 ,901 73,519
a. Predictores: (Constante), año

 Es un buen coeficiente de determinación llega al 90.6%

 Se puede decir que es un buen ajuste desde 60%

ANOVAa
Modelo Suma de gl Media F Sig.
cuadrados cuadrática
1 Regresió 988868,618 1 988868,618 182,95 ,000b
n 4
Residuo 102695,191 19 5405,010

Total 1091563,81 20
0

a. Variable dependiente: num_pacientes

b. Predictores: (Constante), año

𝑃(0.000) <∝ (
 Coeficientesa
Modelo Coeficientes no Coeficie t Sig. 95.0% intervalo de
estandarizados ntes confianza para B
estanda
rizados
B Desv. Beta Límite Límite
Error inferior superior
1 (Const - 5245,90 - ,000 - -
ante) 69822,0 1 13,3 80801,8 58842,2
95 10 93 98
año 35,836 2,649 ,952 13,5 ,000 30,291 41,382
26
a. Variable dependiente: num_pacientes

𝒚 = 𝜶 + 𝜷𝒙 = −𝟔𝟗𝟖𝟐𝟐, 𝟎𝟗𝟓 + 𝟑𝟓. 𝟖𝟑𝟔(𝑿)

 1991= −𝟔𝟗𝟖𝟐𝟐, 𝟎𝟗𝟓 + 𝟑𝟓. 𝟖𝟑𝟔(𝟏𝟗𝟗𝟏)= 1527
 1992= −𝟔𝟗𝟖𝟐𝟐, 𝟎𝟗𝟓 + 𝟑𝟓. 𝟖𝟑𝟔(𝟏𝟗𝟗𝟐)= 1563
 1993 = −𝟔𝟗𝟖𝟐𝟐, 𝟎𝟗𝟓 + 𝟑𝟓. 𝟖𝟑𝟔(𝟏𝟗𝟗𝟑)= 1599