APLICACIÓN DEL ANALISIS DE REGRESION Y CORRELACION

Ejemplo 3: Una compañía desea modelar la relación entre sus ventas de la compañía
y las rentas de la industria general

Ventas
de la Compañía. Rentas de
Y la Industria X
0.5 10
1 12
1 13
1.4 15
1.3 14
1.6 15

a) Encontrar una recta que se ajuste a los datos.

b) ¿Parecen contribuir las rentas de la industria con alguna información a la
predicción de las ventas de la compañía? Probar en el nivel 1%
c) Si las rentas de la industria es 16, determinar los intervalos de confianza del
95% para las ventas individuales y para las ventas promedio de la Compañía.
d) Estimar un intervalo de confianza para la pendiente poblacional
e) Grafique la línea de regresión estimada en el diagrama de dispersión

Solución
Procedimiento con el SPSS
1. Seleccionar la opción Analizar/Regresión/Lineal para acceder al cuadro de
dialogo Regresión lineal

2. Seleccionar la variable Ventas de la compañía (Y) en la lista de variables y

trasladar al cuadro dependiente y seleccionar la variable Rentas de la
Industria(x) y trasladarla a lista de independientes.
3. Pulsar el botón estadísticos y selección Estimaciones, Intervalos de confianza,
Ajuste del modelo, cambo en R cuadrado, Descriptivos y Durbin watson.

4. Pulsar continuar y luego aceptar.

Resultados
Los siguientes resultados son las salidas del SPSS:
1. La tabla I
Muestra las medidas para las variables dependiente e independiente

Tabla 1. Estadísticos descriptivos

Media Desviación N
típica
Ventas de la 8,333 6,8020 6
compañía
Rentas de la 13,17 1,941 6
industria

2. La Tabla 2 muestra la correlación entre las variables dependientes e

independientes
Nota: La correlación entre las mismas variables siempre es 1

Tabla2. Correlaciones
Ventas de la Rentas de la
compañía industria
Ventas de la 1,000 ,737
Correlación de compañía
Pearson Rentas de la ,737 1,000
industria
Ventas de la . ,047
compañía
Sig. (unilateral)
Rentas de la ,047 .
industria
Ventas de la 6 6
compañía
N
Rentas de la 6 6
industria
 3. La tabla 3 muestra el Coeficiente de correlación y su cuadro. R2 expresa la
porción de varianza de la variable Dependiente, que esta explicada por la
variable independiente. En el ejemplo R2. Toma un valor moderado(es máximo
1) y R2, nos indica que es el 54,4% de la variación de la cantidad de Ventas de
la compañía esta explicada por las Rentas de la industria
R2 Corregida es una corrección a la baja de R2 que se basa en el número de
casos y de variables independientes.
El error típico de estimación es la desviación típica de los residuos, es decir la
desviación típica de las distancias entre las puntuaciones en la variable
independiente y los pronósticos efectuados con la regresión. En general cuanto
mejor es el ajuste, más pequeño es este error típico.

Tabla 3. Resumen del modelob

Mo R R R Error Estadísticos de cambio Durbin-
delo cuadra cuadrad típ. de Watson
do o la Cambio Cambio gl1 gl2 Sig.
corregid estimaci en R en F Cambio
a ón cuadrad en F
o
a
1 ,737 ,544 ,430 5,1375 ,544 4,765 1 4 ,094 1,466
a. Variables predictoras: (Constante), Rentas de la industria
b. Variable dependiente: Ventas de la compañía

4. Tabla 4 Resumen ANOVA nos informa si existe o no relación entre las

variables. El estadístico F permite contrastar la hipótesis nula de la pendiente
de la recta de regresión es cero. En el ejemplo el valor P=0,094(p>0.05). Por lo
que debemos aceptar la Ho y rechazar H 1 es decir β 1=0
Conclusión El valor de F=4,765, tiene un valor de P=0, 094 (p>0.05) Lo cual
prueba que β 1=0 lo que indica que debemos aceptar Ho y rechazar H 1 lo que
nos lleva a concluir que no existe relación entre Ventas de la Compañía (Y) y las
Rentas de la Industria (X).

TABLA 04 ANOVAa
Modelo Suma de gl Media F Sig.
cuadrados cuadrática
Regresión 125,758 1 125,758 4,765 ,094b
1 Residual 105,575 4 26,394
Total 231,333 5
a. Variable dependiente: Ventas de la compañia
b. Variables predictoras: (Constante), Rentas de la industria
 5. Ecuación de la regresión
La tabla 05 Muestra los coeficientes de la recta de regresión. La columna
denominada Coeficientes no estandarizados contiene los coeficientes de
regresión que definen la ecuación de regresión en puntuaciones directas. El
coeficiente Constante(es el origen de la recta β 0 ) y el Coeficiente Rentas de
Industria es dependiente de la recta de regresión ( β 1).

Los coeficientes Beta (coeficientes de regresión estandarizados) son los

coeficientes que definen la ecuación de regresión cuando esta se obtiene tras
estandarizar las variables originales, es decir, tras convertir las puntuaciones
directas en típicas.

En el análisis de regresión lineal simple, el coeficiente de regresión

estandarizado corresponde a la única variable independiente presente en la
ecuación coincide exactamente con el coeficiente de correlación de Pearson.
En el análisis de Regresión múltiple, los coeficientes de regresión
estandarizados permiten valorar la importancia de cada variable independiente
dentro de una ecuación.

Tabla Nº 5 Coeficientesa
Modelo Coeficientes no Coeficien t Sig. Intervalo de
estandarizados tes confianza de 95,0%
tipificado para B
s
B Error típ. Beta Límite Límite
inferior superior
(Constante) -25,690 15,728 -1,633 ,178 -69,357 17,976
1 Rentas de la 2,584 1,184 ,737 2,183 ,094 -,703 5,871
industria
a. Variable dependiente: Ventas de la compañía

Con los resultados de la Tabla 05 construimos la ecuación de regresión:

Ŷi = -25,690 + 2,584 Xi
Ventas de la Compañía = -25,690 + 2,584 Rentas de la Industria
A cada valor de Rentas de la Industria le corresponde un pronóstico de Ventas de la
Compañía basado en la disminución constante de -25,690 más 2,584 veces del valor
de las Rentas de la Industria.
Procedimiento para obtener el Diagrama de dispersión con la línea de
regresión
1. Seleccionar la opcion Regresion/ Estimacion curvilinea del menu analizar
2. Trasladar las variables dependiende al cuadro Dependiente y la variable
independiente a la variable Independiente
3. Pulsar aceptar
 Forma de presentar los resultados en una investigación

Tabla 01 Resumen estadístico de valores promedio, desviación estándar, mínimo y

máximo de las Ventas de la Industria y Renta de la Compañía
Medi Máxim Mínim Desviación
Variables CV%
a a a estándar
Ventas de
8.33 16 1 6.80 81.66
la Compañía

Renta de
13.17 15 1 1.94 14.74
la Industria

Tabla 02 Matriz de Correlación de las Ventas de la compañía y Rentas de la

industria
Ventas de
Renta de
  la
la Industria
Compañía
Ventas de
1 0.737
la Compañía
Renta de
0.737 1
la Industria

La correlación de variables de interés del estudio muestra una relación positiva o

directa entre las Ventas de la compañía y Rentas de la industria.

FIGURA 01 DIAGRAMA DE DISPERSIÓN CON LA LÍNEA DE REGRESIÓN.

La relación existente entre las Ventas de la compañía y Rentas de la industria se

ilustra en la FIGURA 01, a mayor Renta de la industria las Ventas de la compañía se
ven aumentadas.
 Modelo de regresión: Ŷi = -25,690 + 2,584 Xi

El valor positivo de la pendiente ( β 1). Nos indica que la relación es directa o positiva, es
decir a mayor Rentas de la industria(X) mayor Ventas de la compañía (Y).