FACULTAD DE INGENIERÍA

DEPARTAMENTO DE INGENIERÍA INDUSTRIAL

Análisis de Regresión y Diseño de Experimentos
TRABAJO 1: REGRESIÓN LINEAL MÚLTIPLE
2018-02
__________________________________________________________________________________________

Estudiantes: Daisy Daniela Moreno García-Cristhian Guzmán Peña-Mateo Muñoz Ríos -Lina Maria Tabares Hincapié
1. Planteamiento del problema.

1.1 Delimitar el tema sobre el que se desea trabajar.

La importancia de la producción en un país influye mucho en la era industrial, que revoluciona todos los ámbitos necesarios
para la creación de empresas y como tener resaltados o identificados los gastos o costos que se generan al crear empresa.
Las relaciones de producción, distribución y consideración de factores que incrementen o disminuyan la producción en una
empresa, es decir, como un empresario o inversionista debe conocer muy bien las variables que se le cobrarán, por eso se
analizarán los factores que revolucionan la producción en nuestro país, y el posible impacto en los diferentes sectores
económicos del país.
Por eso mediante la implementación de estudio de este modelo analizaremos mediante los diferentes modos que
permitirán encontrar que se puede mejorar o cómo hay variables que influyen más en la toma de decisiones.

1.2. Búsqueda de bibliografía básica sobre el tema.

● (Encalada, 2016): http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0252-85842016000200010

● (Colmenares- Padilla,2017) :http://www.scielo.org.co/pdf/cenes/v36n63/0120-3053-cenes-36-63-00137.pdf
● ( Ramírez- Sanaú,2011) : https://revistas.uniandes.edu.co/doi/pdf/10.13043/dys.68.8
2. Especificación del modelo.

1. Describan las variables que eligió completando la siguiente tabla (Sugerencia deje este punto después de que ya haya
ajustado el modelo que quiere presentar:

NOMBRE DE LA TIPO DE ESCALA DE

DEFINICIÓN UNIDAD DE MEDIDA
VARIABLE EN R VARIABLE MEDIDA
PRODBR2 PRODUCCIÓN Cuantitativa-
razon peso colombiano
BRUTA continua
PRODBIND PRODUCCIÓN Cuantitativa-
razon peso colombiano
INDUSTRIAL continua
CONSMATE CONSUMO DE Cuantitativa-
razon peso colombiano
MATERIAL continua
CONSIN Cuantitativa -
OTROS GASTOS razon peso colombiano
continua
SALDYTE SALARIO
Cuantitativa-
PERMANENTE Y razon peso colombiano
continua
TEMPORAL
 FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Análisis de Regresión y Diseño de Experimentos
TRABAJO 1: REGRESIÓN LINEAL MÚLTIPLE
2018-02
__________________________________________________________________________________________

EELEC Cuantitativa-
ELECTRICIDAD intervalo
continua
INVEBRTA Cuantitativa-
INVERSIÓN BRUTA razon peso colobiano
continua
DEPRECIA Cuantitativa-
DEPRECIACIÓN razon peso colombiano
continua
PERTOTAL Personal Permanente
+ Propietarios +
Cuantitativa -
Personal Temporal intervalo personas
discreta
Directo + Temporal
Empresas
VALORCOM VALOR MATERIA Cuantitativa-
razon peso colombiano
PRIMA COMPRADA continua
VALORVEM peso colombiano
VALOR DE LAS Cuantitativa-
razon
VENTAS continua

2. Eliminen puntos atípicos en caso de ser necesario. Presentan gráficos y justifiquen.

 FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Análisis de Regresión y Diseño de Experimentos
TRABAJO 1: REGRESIÓN LINEAL MÚLTIPLE
2018-02
__________________________________________________________________________________________

Como se puede observar en el gráfico anterior las observaciones no con claros para estimar o deducir si estos puntos
son influenciales o no, por lo tanto ,analizaremos de una mejor manera,por la prueba analitica D-Cook para conocer si
estos puntos se pueden considerar como influenciables por lo cual deben ser eliminados del modelo; con la prueba se
analiza que se eliminaron todos los DCook > 0.0013. dado su cálculo respectivo, es decir calculando la D-Cook con
todas nuestras variables, se observa que quedan 150 variables que influencian mucho más el modelo.

3. Verifiquen normalidad sobre la variable respuesta. Si no se cumple normalidad apliquen una medida remedial
adecuada. Asegúrense de que la variable 𝑌𝑌 (después de aplicar la medida remedial) tenga una distribución
aproximadamente normal. Sigan trabajando el resto de los puntos con 𝑌𝑌 . Para esto completen la siguiente tabla:

NORMALIDAD DE Y 𝑌0 :PRODBR2~Normal 𝑌𝑌 :PRODBR2~f(x)

PRUEBAS GRÁFICAS
 FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Análisis de Regresión y Diseño de Experimentos
TRABAJO 1: REGRESIÓN LINEAL MÚLTIPLE
2018-02
__________________________________________________________________________________________

PRUEBAS
ANALÍTICAS

Aunque notablemente todavía existen sesgos en el modelo que probablemente por

ser tantos datos , el modelo aún cuenta con outliers,podemos estimar que el modelo
aún posee sesgos que claramente pueden ser que no se están midiendo o que
CONCLUSIÓN continúan siendo inobservables o pertenecientes al modelo y que no se necesitan
SOBRE 𝑌0 eliminarlos para ajustarlos a la pendiente de la regresión.Sin embargo estas pruebas
de normalidad hechas nos permiten estimar que el modelo trata de comportarse de
una manera normal de acuerdo a las pruebas gráficas y analiticas, y que de algún
modo,el modelo trata de ajustarse a la pendiente de la regresión.
Para la medida remedial se le aplica logaritmo a la variable regresora y se vuelve a
MEDIDA REMEDIAL
hacer análisis de normalidad de y-landa obteniendo lo siguiente
NORMALIDAD DE 𝑌𝑌 𝑌0 :LOG(PRODBR2)~Normal 𝑌𝑌 :LOG(PRODBR2)~f(c)
 FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Análisis de Regresión y Diseño de Experimentos
TRABAJO 1: REGRESIÓN LINEAL MÚLTIPLE
2018-02
__________________________________________________________________________________________

PRUEBAS GRÁFICAS
 FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Análisis de Regresión y Diseño de Experimentos
TRABAJO 1: REGRESIÓN LINEAL MÚLTIPLE
2018-02
__________________________________________________________________________________________

PRUEBAS
ANALÍTICAS

Debido a que el valor-p de las pruebas analíticas es menor al nivel de significancia(0.05) se

rechaza , por lo tanto no existe normalidad, además se evidencia en el qqPlot que las colas
se salen de las bandas de confianza ,en el histograma vemos que aún sigue existiendo un
CONCLUSIÓN
pequeño sesgo, sin embargo, la variable se ajusta un poco más y el sesgo es menos
SOBRE 𝑌0 pronunciado, por lo tanto se relaja al supuesto de simetría y continuamos con esta
transformación debido a que ajusta mejor el modelo y se puede notar más normalidad en
dicho modelo de producción bruta.

4. Hagan un análisis descriptivo de los datos en función de 𝑌𝑌 . Realice un análisis descriptivo de la relación entre las
variables, tanto de las independientes con la respuesta y entre las mismas predictoras ¿A qué conclusiones previas a
la modelación pueden llegar? Para esto completen las siguientes tablas:

VARIABLES CUANTITATIVAS VS. 𝑌𝑌

VARIABLE
S
SENTIDO FUERZA DE
CORRELACI TIPO DE INDEPENDI
VARIABLE GRÁFICO DE LA LA
ÓN RELACIÓN ENTES
RELACIÓN RELACIÓN
CON
CORRELA
 FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Análisis de Regresión y Diseño de Experimentos
TRABAJO 1: REGRESIÓN LINEAL MÚLTIPLE
2018-02
__________________________________________________________________________________________

CIÓN
FUERTE
MODERADA LINEAL NINGUNA

PRODBIND POSITIVA
0.9999822

MODERADA NO NINGUNA
LINEAL

CONSMATE 0.9358472 POSITIVA

MODERADA NO NINGUNA
LINEAL

CONSIN 0.7538248 POSITIVA

MODERADA NO NINGUNA
LINEAL

SALDYTE 0.7303593 POSITIVA

MODERADA NO NINGUNA
LINEAL
EELEC 0.6205151 POSITIVA
 FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Análisis de Regresión y Diseño de Experimentos
TRABAJO 1: REGRESIÓN LINEAL MÚLTIPLE
2018-02
__________________________________________________________________________________________

MODERADA NO NINGUNA
LINEAL

INVEBRTA 0.2908792 POSITIVA

MODERADA NO NINGUNA
LINEAL
DEPRECIA 0.5859083 POSITIVA

MODERADA NO NINGUNA
LINEAL

PERTOTAL 0.6676567 POSITIVA

MODERADA NO NINGUNA
LINEAL

VALORCOM 0.9207036 POSITIVA

MODERADA NO NINGUNA
LINEAL
0.9952889
VALORVEN POSITIVA

5. Verifiquen multicolinealidad. Para esto construyan el modelo full de 𝑌𝑌 en función de todas las variables
independientes cuantitativas y sobre este modelo calculen los valores del vif para cada una de ellas. ¿Tienen
problemas de multicolinealidad? Si la respuesta es afirmativa, resuelvan este problema por una de las formas vistas en
clase. Para esto completen la siguiente tabla:

VARIABLE VIF ¿MULTICOLINEALID ¿CON QUÉ SOLUCIÓN

 FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Análisis de Regresión y Diseño de Experimentos
TRABAJO 1: REGRESIÓN LINEAL MÚLTIPLE
2018-02
__________________________________________________________________________________________

AD? VARIABLE?
consmate
PRODBIND 127.78 si valorcom
valorven
CONSMATE 44.09 si valorcom
CONSIN 4.57 no
SALDEYTE 6.37 no
EELEC 2.77 no
INVEBRTA 1.19 no
DEPRECIA 1.96 no
PERTOTAL 5.34 no
VALORCOM 32.31 si consmate
VALORVEN 110.36 si prodbind

6. Construyan el modelo de regresión múltiple aplicando uno de los dos métodos vistos en clase para la selección de
variables. Para esto tengan en cuenta lo que hizo en los pasos anteriores (no se les olvide incluir las variables
cualitativas; y la no linealidad sobre las variables cuantitativas, en caso de ser necesario). Para esto completen la
siguiente tabla y muestren gráficamente el ajuste del modelo.

SELECCIÓN DE VARIABLES DEL MODELO A TRAVÉS DEL MÉTODO ____________

SIGUIENTE VARIABLE
VARIABLES INDEPENDIENTES EN EL MODELO AIC/BI
R2 AJUSTADO INCLUIDA/ELIMINADA EN EL
(escriban el modelo) C
MODELO
(modelo inicial )

(modelo final)

GRÁFICO DEL AJUSTE DEL MODELO FINAL

(ANALICEN!)

7. Escriban el modelo de regresión ajustado final que obtuvieron en el paso anterior. Interpreten los parámetros. Para
esto llenen la siguiente tabla:
 FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Análisis de Regresión y Diseño de Experimentos
TRABAJO 1: REGRESIÓN LINEAL MÚLTIPLE
2018-02
__________________________________________________________________________________________

̂ 𝑌𝑌 = 𝑌
𝑌 ̂0 + 𝑌
̂ 1 𝑌1 + ⋯ 𝑌
̂ 𝑌 𝑌𝑌
̂ ; 𝑌 = 0, … , 𝑌
𝛽 Interpretación
𝑌


8. Validen el modelo y mencionen las medidas remediales que sean necesarias para mejorar la estimación del modelo.
Para validar el modelo llenen la siguiente tabla:

NORMALIDAD 𝑌0 : 𝑌𝑌 :

PRUEBAS GRÁFICAS

PRUEBAS
ANALÍTICAS
CONCLUSIÓN
SOBRE 𝑌0
MEDIDA REMEDIAL
VARIANZA
𝑌0 : 𝑌𝑌 :
CONSTANTE

PRUEBAS GRÁFICAS

PRUEBAS
ANALÍTICAS
CONCLUSIÓN
SOBRE 𝑌0
MEDIDA REMEDIAL
INDEPENDENCIA 𝑌0 : 𝑌𝑌 :

PRUEBAS GRÁFICAS

PRUEBAS
ANALÍTICAS
CONCLUSIÓN
SOBRE 𝑌0
MEDIDA REMEDIAL
¿Tiene sentido
verificar este
supuesto?
OBSERVACIONES
𝑌0 : 𝑌𝑌 :
INFLUENCIALES
PRUEBAS GRÁFICAS
 FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Análisis de Regresión y Diseño de Experimentos
TRABAJO 1: REGRESIÓN LINEAL MÚLTIPLE
2018-02
__________________________________________________________________________________________

PRUEBAS
ANALÍTICAS
CONCLUSIÓN
SOBRE 𝑌0
MEDIDA REMEDIAL

3. Conclusiones

3.1 ¿Qué aspectos relevantes hallo?

3.2 ¿Qué trabajos futuros recomienda?

Criterios de evaluación Aspectos a evaluar Puntos asignados Puntos obtenidos

Ortografía 3

Formato de presentación Redacción 2

(20%) Edición de las salidas de R 2
Cumplimiento de las reglas del trabajo 3
Relación y problemas de la IIN 4
Descripción de variables 2
Outliers 2
Contenido del trabajo
Normalidad 5
(80%)
Análisis descriptivo 5
Multicolinealidad 5
Selección del modelo 5
Interpretación de parámetros 7
Validación 5
PUNTOS TOTALES 50
 FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
Análisis de Regresión y Diseño de Experimentos
TRABAJO 1: REGRESIÓN LINEAL MÚLTIPLE
2018-02
__________________________________________________________________________________________