UNIVERSIDAD PERUANA DE CIENCIAS

APLICADAS 
FACULTAD DE INGENIERÍA 
 
CARRERA DE INGENIERÍA INDUSTRIAL Y DE
GESTIÓN EMPRESARIAL 
 
TEMA: 
“REGRESION LINEAL MULTIPLE”
 
CURSO:  
ESTADISTICA APLICADA II
 
INTEGRANTES: 

 DE LA CRUZ VARGAS, ESTHEFANY BRILLIT

 GARCIA TACZA, LISANDRA ELA
 GONZALES GRAUS, MILTON JOEL
 LAZARO TTICA, NILTON CESAR
 MATINEZ ASTETE, KRISTOPHER RONALD

 CICLO: 2020-1
El ser humano en sus primeros hechos destaca por el desarrollo de armas de caza o
utensilios de alimentación. En estos actos muchos humanos invirtieron tiempo,
materiales, ingenio para crear diversos instrumentos el cual se genero un sentido de
tenencia o propiedad sobre estos elementos.
El derecho sobre la propiedad de la tierra aparece en la época de transición del periodo
mesolítico al neolítico y con la aparición del arado y la hoz, el inicio de la construcción
de viviendas y megalitos (6,000 a.C.) se testifica de la definición de la propiedad raíz.
En la actualidad las personas presentan un poder de decisión en la adquisición de los
bienes y/o servicios que este requiera. Donde existe una variedad de servicios y/o
productos donde el consumidor debe de analizar cuál de estos satisface las necesidades
que el consumidor presenta o llega a satisfacer parcialmente. Un ejemplo de esto sería
en la compra de un departamento donde se analizan varias características como:
 Precio
 Ubicación
 En que piso se encuentra
 Cuantos m3 tiene
 El número de cuartos, etc.
Una de las interrogantes surge al estudiar las características por el cual una persona se
decide a comprar un departamento. En consideración con lo antes mencionado, el
objetivo de este trabajo es analizar si la característica o variable que es el precio es
influenciable en la compra de departamentos.
Índice

Objetivo del estudio 3

Plan de trabajo 3
Antecedentes 3
Población, muestra y variables 4
Recolección de datos 4
Análisis estadístico de los datos 4
Conclusión, recomendaciones y limitaciones 4
 1. Objetivo del estudio

Estimar la variable dependiente precio de un departamento en función de las variables

independientes a través del modelo de regresión lineal múltiple.

2. Plan de trabajo

I. Validar el modelo

1. Prueba global o prueba conjunta

2. Prueba coeficiente o individual

II. Verificación de los supuestos:

1. Prueba de normalidad de errores

Estadístico de prueba: Anderson Darling

2. Varianza de los errores constante

Estadístico de prueba: Durbin watson

3. Prueba de no autocorrelación de los errores

H0: No existe autocorrelación de los errores

H1: Existe autocorrelación de los errores

Estadístico de prueba: Durbin Watson

4. Ausencia de colinealidad (No multicolinealidad)

Multicolinealidad: Asociación de las variables independientes
VIF: Factor de inflación de la varianza
III. Observaciones influyentes
-Extremos
-Atípicos
-Outliers

Distancia de Cook: Di
 IV. Modelo o ecuación estimados
Interpretación de coeficientes:
b0 ---> Cuando "xs=0", "y promedio" es b0
b1 ---> Por cada "unidad de medida adicional de X1", "y promedio" aumenta o
disminuye en b1, manteniéndose constante las demás variables
b2 ---> Por cada "unidad de medida adicional de X2", "y promedio" aumenta o
disminuye en b2, manteniéndose constante las demás variables
V. Bondad de ajuste
1. Coeficiente de determinación ajustado R2 Ajustado
Es el % de variabilidad de "Y" que es explicado por X1, X2, X3, …,Xk, a través del
modelo de regresión lineal múltiple.

2. Error Estándar S
Es el valor de la variabilidad de los valores observados con respecto al modelo de

regresión lineal múltiple

VI. Estimación puntual o por intervalo

* Estimación puntual
* Estimación por intervalo
1. Estimación por intervalo para la media
2. Estimación por intervalo para el valor individual

Cuando NO SE VALIDA seguimos el siguiente proceso:

Modelo completo
I. Validar el modelo
1. Prueba global o prueba conjunta
2. Prueba coeficiente o individual

Trabajamos con el Modelo Reducido

Método a emplear en el Minitab: Paso a paso

II. Verificación de los supuestos

 III. Observaciones influyentes
IV. Modelo estimado o ecuación estimado
V. Bondad de ajuste
VI. Estimación puntual y por intervalo

Validar el modelo

3. Antecedentes

Según Matsuoka.A. y Ruiz.J, (2014) elaboraron una investigación de los principales

determinantes del precio de las viviendas en el mercado inmobiliario de Lima
Metropolitana para lo cual determinaron que, de acuerdo con el análisis realizado, el
incremento de los precios de los inmuebles en el Perú sería consistente con el
comportamiento de las variables fundamentales de la economía. En lo que se refiere al
rápido incremento del precio de los inmuebles observado en los últimos años, este
correspondería a un ajuste respecto al crecimiento de la economía observado en los años
previos. Asimismo, como se ha podido apreciar, existe una alta demanda de vivienda
insatisfecha, sobre todo, en los sectores de menores ingresos de la población. Además,
los indicadores del mercado inmobiliario, tales como la ratio precio alquiler (PER) y el
ratio precio sobre PBI per cápita, se encuentran en niveles aceptables, similares a otros
países de la región. Asimismo, indicaron que las conclusiones del análisis previo
coinciden con las del análisis econométrico. En ese sentido, a partir de la regresión del
panel de datos y el análisis de cointegración realizados con la información de precio de
los departamentos de Lima Metropolitana y demás variables para el período 2004-2012,
se concluye que el precio de las viviendas presenta una relación de equilibrio de largo
plazo con variables fundamentales, como el PBI per cápita y los ingresos, así como
otras variables –como el precio de los terrenos y la densidad poblacional–. En cuanto a
la tasa de interés activa hipotecaria, no resulta significativa en el modelo, debido al bajo
nivel de penetración del crédito hipotecario en el mercado peruano y, en general, al bajo
nivel de profundidad financiera.

4. Población, muestra y variables

 Población
 Muestra
 Variables

5. Recolección de datos

Los datos se recolectaron vía, entrevistas, focus group,

6. Análisis estadístico de los datos

7. Conclusión, recomendaciones y limitaciones