Profesional Semestral

Reporte

Módulo: Actividad:
3 Ejercicio 15
Fecha: 13/Julio/2020
Bibliografía:

Objetivo:
Obtener el factor de inflación de varianza cuando las variables independientes están
correlacionadas.

Procedimiento:
Resuelve los siguientes problemas. Se pueden realizar en pareja o de manera individual.

1. Si el coeficiente de determinación entre dos variables independientes es 0.20,

¿cuál es el valor del factor de inflación de varianza VIF?

1
VIF 25
0.04

2. Si el coeficiente de determinación entre dos variables independientes es 0.50,

¿cuál es el valor del factor de inflación de varianza VIF?

1
VIF 4
0.25

3. Un negocio de ventas por catálogo de computadoras

personales, software y hardware mantiene un almacén centralizado para la
distribución de los productos ordenados. La administración examina el proceso de
distribución y está interesada en examinar los factores que afectan los costos. En la
actualidad, se cobra una pequeña cuota por manejo, independiente del monto de la
orden. Se recolectaron datos de los últimos 24 meses que indican los costos de
distribución (Y), las ventas (X1) y el número de órdenes recibidas (X2). Haz
clic aquí para ver los resultados.

Costo de Ventas
Distribución (miles de Órdenes
(miles de dólares) dólares) X2
Y X1
52.95 386 4015
71.66 446 3806
85.58 512 5309
63.69 401 4262
72.81 457 4296
68.44 458 4097
52.46 301 3213
70.77 484 4809
82.03 517 5237
74.39 503 4732
70.84 535 4413
 Profesional Semestral
Reporte

54.08 353 2921

62.98 372 3977
72.30 328 4428
58.99 408 3964
79.38 491 4582
94.44 527 5582
59.74 444 3450
90.50 623 5079
93.24 596 5735
69.33 463 4269
53.71 389 3708
89.18 547 5387
66.80 415 4161

a. Realiza una regresión múltiple y determina el VIF para cada variable

explicativa en el modelo. ¿Existe alguna razón para sospechar que existe
multicolinealidad?

Y= -2.73 + 0.047x1 + 0.012x2

VIF 2.78120103
VIF Y VS X1 2.011713119
VIF Y VS X2 3.48037868

4. Una organización de consumidores desea desarrollar un modelo para predecir el

rendimiento de gasolina de automóvil, medido en cantidad de millas recorridas [millas
por galón (mpg)] de acuerdo a los caballos de fuerza del motor y el peso del auto Kg.
Se seleccionó una muestra de 50 modelos. Haz clic aquí para ver los resultados.

MPG Caballos de fuerza Peso

Y X1 X2
43.1 48 1985
19.9 110 3365
19.2 105 3535
17.7 165 3445
18.1 139 3205
20.3 103 2830
21.5 115 3245
16.9 155 4360
15.5 142 4054
18.5 150 3940
27.2 71 3190
41.5 76 2144
46.6 65 2110
23.7 100 2420
27.2 84 2490
39.1 58 1755
 Profesional Semestral
Reporte

28 88 2605
24 92 2865
20.2 139 3570
20.5 95 3155
28 90 2678
34.7 63 2215
36.1 66 1800
35.7 80 1915
20.2 85 2965
23.9 90 3420
29.9 65 2380
30.4 67 3250
36 74 1980
22.6 110 2800
36.4 67 2950
27.5 95 2560
33.7 75 2210
44.6 67 1850
32.9 100 2615
38 67 1965
24.2 120 2930
38.1 60 1968
39.4 70 2070
25.4 116 2900
31.3 75 2542
34.1 68 1985
34 88 2395
31 82 2720
27.4 80 2670
22.3 88 2890
28 79 2625
17.6 85 3465
34.4 65 3465
20.6 105 3380

a. Realiza un modelo de regresión lineal múltiple.

Y= 58.16 - 0.12X1 - 0.0069X2

b. Determina el factor de inflación de varianza VIF para cada variable

explicativa en el modelo. ¿Existe alguna razón para sospechar que existe
multicolinealidad?

VIF 2.22408206
VIF Y VS X1 1.62844938
VIF Y VS X2 1.86157587
 Profesional Semestral
Reporte

Yo considero que, si hay, pero no hay de qué preocuparse de ello.

5. El director de operaciones de transmisión de una estación de televisión desea

estudiar el aspecto de las “horas de espera” en la que los artistas gráficos
sindicalizados se les paga por no realizar actividades. Las variables por considerar son
las siguientes:
a. Horas de espera (Y): número total de horas por semana.
b. Personal presente total (X1): total semanal de días-persona los 7 días a la
semana.
c. Horas remotas (X2): número total de horas trabajadas por empleados fuera
de la planta central.
d. Haz clic aquí para ver los resultados de un periodo de 26 semanas.

Horas en espera Personal presente Horas remotas

Y X1 X2
245 338 414
177 333 598
271 358 656
211 372 631
196 339 528
135 289 409
195 334 382
118 293 399
116 325 343
147 311 338
154 304 353
146 312 289
115 283 388
161 307 402
274 322 151
245 335 228
201 350 271
183 339 440
237 327 475
175 328 347
152 319 449
188 325 336
188 322 267
197 317 235
261 315 164
232 331 270

a. Ajusta un modelo de regresión lineal múltiple.

-330.67 + 1.765X1 -
Y=
0.134X2
 Profesional Semestral
Reporte

b. Determina el factor de inflación de varianza VIF para cada variable

explicativa en el modelo. ¿Existe alguna razón para sospechar que existe
multicolinealidad?

VIF 1.16922478
VIF Y VS X1 1.15469906
VIF Y VS X2 1.00008264

Como podemos ver, si hay un multicolinealidad pero extremadamente bajo así

que no hay de preocuparse.

Conclusión: