Regresión lineal múltiple con variables

independientes cualitativas
Mtra. Jessica Fernández

Copyright 2018 de McGraw-Hill Education. Reservados todos

2-1
los derechos.
Posgrados en Línea - Educación Digital

Objetivos

Usar e interpretar una variable ficticia cualitativa independiente en una

regresión múltiple
 Variables ficticias
 Dependiente:
Posgrados en Línea - Educación Digital

Es aquella que se representa por la letra Y, además se ve afectada o sufre un

efecto por varias variables independientes.
 Independiente:
Esta variable es la que causa efecto en la Y, se le representa por X y puede ser
cuantitativa o cualitativa (ficticia).

Variable ficticia. Una variable en la que solo hay dos posibles resultados. Para el análisis,
uno de los resultados se codifica como 1 y el otro como 0.
Ejemplo
Cierta agencia que repara automóviles piensa que los meses que se tardan las personas
en traerlo a reparar, el tipo de reparación y la persona que lo repara afectan al tiempo
que se tardan en arreglar el carro.
 Use un 95% de confianza para probar lo anterior
Tiempo de reparación Meses desde su último
Vehículo Tipo de reparación Persona que repara
(horas) servicio
#
1 2.9 2 Eléctrico David
2 3.0 6 Mecánico David
3 4.8 8 Eléctrico Roberto
4 1.8 3 Mecánico David
5 2.9 2 Eléctrico David
6 4.9 7 Eléctrico Roberto
7 4.2 9 Mecánico Roberto
8 4.8 8 Mecánico Roberto
9 4.4 4 Eléctrico Roberto
10 4.5 6 Eléctrico David

Posgrados en Línea - Educación Digital

 Ejemplo
La regresión solo acepta variables cuantitativas, por lo que los datos
Posgrados en Línea - Educación Digital

cualitativos, deben de convertirse en 0 y 1, esto sería:

Tipo de reparación Tipo de reparación Persona que repara Persona que repara
Eléctrico 1 David 1
Mecánico 0 David 1
Eléctrico 1 Roberto 0
Mecánico 0 David 1
Eléctrico 1 David 1
Eléctrico 1 Roberto 0
Mecánico 0 Roberto 0
Mecánico 0 Roberto 0
Eléctrico 1 Roberto 0
Eléctrico 1 David 1
 Ejemplo
Posgrados en Línea - Educación Digital

La base de datos sería la siguiente:

Tiempo de reparación Meses desde su Tipo de Persona que

(horas) último servicio reparación repara
#
1 2.9 2 1 1
2 3.0 6 0 1
3 4.8 8 1 0
4 1.8 3 0 1
5 2.9 2 1 1
6 4.9 7 1 0
7 4.2 9 0 0
8 4.8 8 0 0
9 4.4 4 1 0
10 4.5 6 1 1
 Solución:
SUMMARY OUTPUT
Posgrados en Línea - Educación Digital

Regression Statistics
Multiple R
R Square
0.948788539
0.900199692
Prueba global
Adjusted R Square 0.850299539 H0: β1 = β2 = β3 = 0
Standard Error 0.417434231 H1: No todo βs son 0
Observations 10
 Se rechaza Ho
ෝ𝒚 = 𝟏. 𝟖𝟔 + 𝟎. 𝟐𝟗𝒙𝟏 + 𝟏. 𝟏𝟎𝒙𝟐 − 𝟎. 𝟔𝟏𝒙𝟑
ANOVA
df SS MS F Significance F
p - valor £ a
Regression 3 9.430491979 3.143497326 18.04001841 0.002091348
Residual 6 1.045508021 0.174251337 𝑣𝑎𝑙𝑜𝑟 − 𝑝 = .002<𝛼 = 0.05
Total 9 10.476

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept 1.860160428 0.728633984 2.552942176 0.043318538 0.077257298 3.643063558 0.077257298 3.643063558
Meses desde su último servicio 0.29144385 0.083598385 3.486237804 0.01304298 0.086885971 0.496001729 0.086885971 0.496001729
Tipo de reparación 1.102406417 0.303344279 3.634175735 0.010910551 0.360149707 1.844663128 0.360149707 1.844663128
Persona que repara -0.609090909 0.387930137 -1.570104644 0.167444241 -1.558321758 0.34013994 -1.558321758 0.34013994
 Solución:
Posgrados en Línea - Educación Digital

Pruebas individuales
SUMMARY OUTPUT
Meses desde Tipo de Persona que
Regression Statistics su último servicio reparación repara
Multiple R 0.948788539 H0: β1 = 0 H0: β2 = 0 H0: β3 = 0
R Square 0.900199692
H1: β1 ≠ 0 H1: β2 ≠ 0 H1: β3 ≠ 0
Adjusted R Square 0.850299539
 Se rechaza Ho  Se rechaza Ho No se rechaza Ho
Standard Error 0.417434231
Observations 10
𝑣𝑎𝑙𝑜𝑟 𝑝 < 𝛼 = 0.05
ANOVA
df SS MS F Significance F
Regression 3 9.430491979 3.143497326 18.04001841 0.002091348
Residual 6 1.045508021 0.174251337
Total 9 10.476

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept 1.860160428 0.728633984 2.552942176 0.043318538 0.077257298 3.643063558 0.077257298 3.643063558
Meses desde su último servicio 0.29144385 0.083598385 3.486237804 0.01304298 0.086885971 0.496001729 0.086885971 0.496001729
Tipo de reparación 1.102406417 0.303344279 3.634175735 0.010910551 0.360149707 1.844663128 0.360149707 1.844663128
Persona que repara -0.609090909 0.387930137 -1.570104644 0.167444241 -1.558321758 0.34013994 -1.558321758 0.34013994
 Modelo corregido
Posgrados en Línea - Educación Digital

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.926927504
R Square 0.859194597
Adjusted R Square 0.818964482
Standard Error 0.459048301
Observations 10
ෝ𝒚 =. 𝟗𝟑 + 𝟎. 𝟑𝟗𝒙𝟏 + 𝟏. 𝟐𝟔𝒙𝟐
ANOVA
df SS MS F Significance F Prueba global
Regression 2 9.000922601 4.5004613 21.35700073 0.001047533 significativa
Residual 7 1.475077399 0.210725343
Total 9 10.476

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept 0.930495356 0.46697414 1.992605748 0.086558043 -0.173723021 2.034713733 -0.173723021 2.034713733
Meses desde su último servicio 0.387616099 0.062565187 6.195395815 0.000447255 0.23967294 0.535559258 0.23967294 0.535559258
Tipo de reparación 1.262693498 0.314126673 4.019695257 0.005061565 0.519901949 2.005485048 0.519901949 2.005485048
Pruebas individuales
significativas
 Ecuación de regresión para pronosticar
𝒙𝟐 = 𝟎 ෝ𝑦 = .93 + 0.39𝑥1
Posgrados en Línea - Educación Digital

ෝ𝒚 =. 𝟗𝟑 + 𝟎. 𝟑𝟗𝒙𝟏 + 𝟏. 𝟐𝟔𝒙𝟐
𝒙𝟐 = 𝟏 ෝ𝑦 = 2.19 + 0.39𝑥1

Tiempo de
Meses desde su Tipo de
Vehículo reparación Persona que repara ෝ𝒚
último servicio reparación
(horas)
11 3.1 2 Eléctrico (1) David (1) 2.97
12 3.3 7 Mecánico (0) David (1) 3.66

Cálculo de la Y estimada para el vehículo 11: ෝ𝑦 = .93 + 0.39 2 + 1.26(1)=2.97

Cálculo de la Y estimada para el vehículo 12: ෝ𝑦 = .93 + 0.39 7 + 1.26(0)=3.66

 Referencias
Posgrados en Línea - Educación Digital

Anderson, D. R., Sweeney, D. J., Williams, T. A., Camm, J. D., y Cochran, J. J. (2014). Estadística para negocios y economía
ed 12. México. Cengage Learning.

Lind, D. A., Marchal, W. G. y Wathen, S. A. (2018). Estadística aplicada a los negocios y la economía ed 17. México.
McGraw-Hill Interamericana Editores.
Derechos Reservados 2021
Tecnológico de Monterrey
Prohibida la reproducción total o
parcial de esta obra sin expresa
autorización del Tecnológico de
Monterrey.