Regresión Múltiple - Densidad Real

Variable dependiente: Densidad Real ((g/cm3))

Variables independientes:
Maiz perla ((%))
Soya ((%))
Número de observaciones: 12

Error Estadístico
Parámetro Estimación Estándar T Valor-P
CONSTANTE 0.992612 0.000370826 2676.76 0.0000
Maiz perla 0.00414694 0.0000062348 665.128 0.0000
Soya 0.00303469 0.0000062348 486.735 0.0000

Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 0.0451511 2 0.0225756 237043.50 0.0000
Residuo 8.57143E-7 9 9.52381E-8
Total (Corr.) 0.045152 11

R-cuadrada = 99.9981 porciento

R-cuadrado (ajustado para g.l.) = 99.9977 porciento
Error estándar del est. = 0.000308607
Error absoluto medio = 0.000234694
Estadístico Durbin-Watson = 2.68465 (P=0.8024)
Autocorrelación de residuos en retraso 1 = -0.380466

El StatAdvisor
La salida muestra los resultados de ajustar un modelo de regresión lineal múltiple para describir la relación entre
Densidad Real y 2 variables independientes. La ecuación del modelo ajustado es

Densidad Real = 0.992612 + 0.00414694*Maiz perla + 0.00303469*Soya

Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre
las variables con un nivel de confianza del 95.0%.

El estadístico R-Cuadrada indica que el modelo así ajustado explica 99.9981% de la variabilidad en Densidad Real.
El estadístico R-Cuadrada ajustada, que es más apropiada para comparar modelos con diferente número de
variables independientes, es 99.9977%. El error estándar del estimado muestra que la desviación estándar de los
residuos es 0.000308607. Este valor puede usarse para construir límites para nuevas observaciones, seleccionando
la opción de Reportes del menú de texto. El error absoluto medio (MAE) de 0.000234694 es el valor promedio de los
residuos. El estadístico de Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlación
significativa basada en el orden en el que se presentan en el archivo de datos. Puesto que el valor-P es mayor que
0.05, no hay indicación de una autocorrelación serial en los residuos con un nivel de confianza del 95.0%.

Para determinar si el modelo puede simplificarse, note que el valor-P más alto de las variables independientes es
0.0000, que corresponde a Maiz perla. Puesto que el valor-P es menor que 0.05, ese término es estadísticamente
significativo con un nivel de confianza del 95.0%. Consecuentemente, probablemente no quisiera eliminar ninguna
variable del modelo.
 Gráfico Componente+Residuo para Densidad Real

0.14

0.1
efecto de componente

0.06

0.02

-0.02

-0.06

-0.1
0 10 20 30 40 50 60
Maiz perla

Esta gráfica muestra la parte del modelo ajustado que relaciona a Densidad Real con Maiz perla. La ecuación de la línea en la gráfica es

Densidad Real = 0.00414694*(Maiz perla-33.3333)

La línea muestra el cambio relativo que ocurre en los valores predichos de Densidad Real cuando cambia Maiz perla a lo largo del rango de los
valores observados. Cada punto se grafica entonces agregando su residuo a la línea. Al examinar la magnitud de los residuos en relación al cambio
en los valores predichos de la respuesta, se puede juzgar la importancia de la variable independiente seleccionada.

Intervalos de confianza del 95.0% para las estimaciones de los coeficientes

Error
Parámetro Estimación Estándar Límite Inferior Límite Superior
CONSTANTE 0.992612 0.000370826 0.991773 0.993451
Maiz perla 0.00414694 0.0000062348 0.00413283 0.00416104
Soya 0.00303469 0.0000062348 0.00302059 0.0030488

El StatAdvisor
Esta tabla muestra intervalos de confianza del 95.0% para los coeficientes en el modelo. Los intervalos de confianza
muestran con qué precisión pueden estimarse los coeficientes dados la cantidad de datos disponibles, y el nivel de
ruido que está presente.
 Gráfico de Densidad Real

1.34

1.3

1.26
observado

1.22

1.18

1.14

1.1
1.1 1.14 1.18 1.22 1.26 1.3 1.34
predicho

Esta gráfica despliega los valores observados de Densidad Real versus los valores predichos por el modelo ajustado. Entre más próximos se
encuentren los puntos a la línea diagonal, mejor es el modelo para predecir los valores observados.

Matriz de Correlación para las estimaciones de los coeficientes

CONSTANTE Maiz perla Soya
CONSTANTE 1.0000 -0.8407 -0.8407
Maiz perla -0.8407 1.0000 0.5000
Soya -0.8407 0.5000 1.0000

El StatAdvisor
Esta tabla muestra las correlaciones estimadas entre los coeficientes en el modelo ajustado. Estas correlaciones
pueden usarse para detectar la presencia de de multicolinearidad severa, es decir, correlación entre las variables
predictoras. En este caso, hay 1 correlación con valor absoluto mayor que 0.5 (sin incluir el término constante).
 Gráfico de Densidad Real con Valores Predichos

1.34

1.3
Densidad Real

1.26

1.22

1.18

1.14

1.1
0 10 20 30 40 50 60
Maiz perla

Esta gráfica despliega los valores observados y los predichos de Densidad Real versus los valores de Maiz perla. Se pueden agregar varios tipos de
intervalos a la gráfica pulsando el botón secundario del ratón y eligiendo Opciones de Ventana.

Resultados de la Regresión para Densidad Real

Ajustado Error Est. Inferior 95.0% Superior 95.0% Inferior 95.0%
Fila LC para Pronóstico LC para Pronóstico LC para Pronóstico LC para la Media

El StatAdvisor
Esta tabla contiene información acerca de Densidad Real la cual fue generada usando el modelo ajustado. La tabla
incluye:

(1) los valores predichos de Densidad Real usando el modelo ajustado (2) el error estándar para cada valor
predicho (3) intervalos de previsión del 95.0% para nuevas observaciones (4) intervalos de confianza del 95.0%
para la respuesta media

Cada ítem corresponde a los valores de las variables independientes en una fila específica en el archivo de datos.
Para generar pronósticos para combinaciones adicionales de las variables, agregue filas adicionales al final del
archivo de datos. En cada nueva fila, introduzca los valores para las variables independientes pero deje vacía la
celda de la variable dependiente. Cuando regrese a esta ventana, se habrán agregado los pronósticos a la tabla
para las nuevas filas, pero el modelo no se verá afectado.