Ejercicio 1

El señor Fred G. Hire es el gerente de recursos humanos de St. Luke’s Medical

Center. Como parte de su informe anual al director del centro médico se le
pide que presente un estudio de los salarios de los empleados. Como hay
más de 1000 empleados, no tiene personal suficiente para recabar la
información de todos los empleados, así es que selecciona una muestra
aleatoria de 30. De cada empleado recaba: Salario mensual; tiempo de
servicio en St. Luke’s, en meses; sexo (1=masculino, 0=femenino); y si el
empleado tiene un trabajo técnico o de oficina. A los que tienen un trabajo
técnico se les asigna 1, y los que tienen un trabajo de oficina, 0.

Salario mensual Tiempo de servicio Edad Sexo Trabajo

($) Y (meses) X1 X2 X3 X4
1769 93 42 1 0
1740 104 33 1 0
1941 104 42 1 1
2367 126 57 1 1
2467 98 30 1 1
1640 99 49 1 1
1756 94 35 1 0
1706 96 46 0 1
1767 124 56 0 0
1200 73 23 0 1
1706 110 67 0 1
1985 90 36 0 1
1555 104 53 0 0
1749 81 29 0 0
2056 106 45 1 0
1729 113 55 0 1
2186 129 46 1 1
1858 97 39 0 1
1819 101 43 1 1
1350 91 35 1 1
2030 100 40 1 0
2550 123 59 1 0
1544 88 30 0 0
1766 117 60 1 1
1937 107 45 1 1
1691 105 32 0 1
1623 86 33 0 0
1791 131 56 0 1
2001 95 30 1 1
1874 98 47 1 0
1
 1. Realice una prueba de Hipótesis Global para determinar si alguno de
los coeficientes de regresión es diferente de cero.

Hipótesis:
H0: 1 = 2 = 3 = 4 = 0 (No hay modelo de regresión múltiple)
H0: Al menos una de las -tas es diferente de cero.

ANOVAb
Modelo Suma de Media
cuadrados gl cuadrátic t Sig.
a
1 Regresión 1066830.389 4 266707.597 4.767 .005a
Residual 1398650.978 25 55946.039
Total 2465481.367 29
a. Variables predictoras: (Constante), Trabajo X4, Sexo X3, Edad X2, Tiempo de servicio X1
b. Variable dependiente: Salario mensual ($) Y

Decisión: H0 se rechaza, (p = 0.005  0.05).

Conclusión: Podemos afirmar con un nivel de significación de 0.05 que al menos

una de las -tas es diferente de cero.

2
 2. Desarrolle una matriz de Correlación. Realicen las pruebas de hipótesis
para los coeficientes de correlación de la variable dependiente con
cada una de las variables independientes. ¿Qué variables se quedan
en el modelo? Analicen si hay problemas de multicolinealidad, en caso
de que hay, resuelve este problema. ¿Qué variables quedaron en el
modelo?

Correlaciones
Salario Tiempo
mensual ($) d Edad Sexo X3 Trabajo
Y e servicio X2 X4
X1
Salario mensual Correlación de 1 .510** .256 .468** .011
($) Y Pearson
Sig. (bilateral) .004 .173 .009 .952
N 30 30 30 30 30
Tiempo de Correlación de .510** 1 .776** .183 .157
servicio X1 Pearson
Sig. (bilateral) .004 .000 .332 .407
N 30 30 30 30 30
Edad X2 Correlación de .256 .776** 1 .033 .094
Pearson
Sig. (bilateral) .173 .000 .865 .620
N 30 30 30 30 30
Sexo X3 Correlación de .468** .183 .033 1 -.027
Pearson
Sig. (bilateral) .009 .332 .865 .885
N 30 30 30 30 30
Trabajo X4 Correlación de .011 .157 .094 -.027 1
Pearson
Sig. (bilateral) .952 .407 .620 .885
N 30 30 30 30 30
**. La correlación es significativa al nivel 0,01 (bilateral).

Hipótesis:
H0: yx1 = 0 (No existe correlación entre el salario mensual ($) y el tiempo de servicio)
H1: yx ≠ 0 (Existe correlación entre el salario mensual ($) y el tiempo de servicio)
1

Decisión: H0 se rechaza, porque p = 0.004  0.05

Conclusión: Podemos afirmar con un nivel de significación de 0.05, que hay

3
correlación entre la variable dependiente (Y) salario mensual y tiempo de servicio
X1. Por lo tanto la Variable X1 no excluimos del modelo.

Hipótesis:
H0: yx2 = 0 (No existe correlación entre el salario mensual ($) y la edad)
H1: yx2 ≠ 0 (Existe correlación entre el salario mensual ($) y la edad)

Decisión: H0 no se rechaza, porque p=0.173 > 0.05

Conclusión: No podemos afirmar con un nivel de significación de 0.05, que hay

correlación entre la variable dependiente (Y) salario mensual ($) y edad X2. Por lo
tanto la Variable X2 excluimos del modelo.

Hipótesis:
H0: yx3 = 0 (No existe correlación entre el salario mensual ($) y el sexo)
H1: yx3 ≠ 0 (Existe correlación entre el salario mensual ($) y el sexo)

Decisión: H0 se rechaza, porque p=0.009  0.05

Conclusión: Podemos afirmar con un nivel de significación de 0.05, que hay

correlación entre la variable dependiente (Y) salario mensual y sexo X3. Por lo
tanto la Variable X3 no excluimos del modelo.

Hipótesis:
H0: yx4 = 0 (No existe correlación entre el salario mensual ($) y el trabajo)
H1: yx4 ≠ 0 (Existe correlación entre el salario mensual ($) y el trabajo)

Decisión: H0 no se rechaza, porque p=0.952 > 0.05

Conclusión: No podemos afirmar con un nivel de significación de 0.05, que hay

correlación entre la variable dependiente (Y) salario mensual y trabajo X4. Por lo
tanto la Variable X4 excluimos del modelo.

Después de haber realizado las hipótesis para los coeficientes de correlación

quedan dos variables en el modelo X1 y X3. Ahora debemos asegurarnos que no
haya problemas de multicolinealidad. Como solamente quedaron dos variables
independientes, su coeficiente de correlación muestral es x1 x3 = 0.183, se
encuentra dentro del rango permitido (entre -0.7 y 0.7), no hay fuerte relación entre
estas dos variables, por lo tanto no hay problemas de multicolinealidad, no
4
excluimos ninguna variable más del modelo.

Las variables independientes que se quedan son: X1 y X3.

3. Realice una prueba de hipótesis para cada uno de los coeficientes de

regresión de las variables que se quedaron en el modelo. ¿Hay
necesidad de eliminar otras variables independientes?

Coeficientesa
Modelo Coeficien
Coeficientes no tes
estandarizados tipificado t Sig.
s
B Error típ. Beta
1 (Constante) 784.186 316.819 2.475 .020
Tiempo de servicio 9.021 3.106 .439 2.904 .007
X1
Sexo X3 224.406 87.352 .388 2.569 .016
a. Variable dependiente: Salario mensual Y

Hipótesis:
H0:  = 0 (No existe relación entre el salario mensual ($) y el tiempo de servicio)
1
H1: 1 ≠ 0 (Existe relación entre el salario mensual ($) y el tiempo de servicio)

Decisión: H0 se rechaza, porque p=0.007 < 0.05

Conclusión: Podemos afirmar con un nivel de significación de 0.05, que 1

diferente de cero, es decir hay relación entre el salario y el tiempo de servicio. Por lo
tanto, la Variable X1 no excluimos del modelo.

Hipótesis:
H0: 3 = 0 (No existe relación entre el salario mensual ($) y el sexo)
H1:  3 ≠ 0 (Existe relación entre el salario mensual ($) y el sexo)

Decisión: H0 se rechaza, porque p=0.016 < 0.05

Conclusión: Podemos afirmar con un nivel de significación de 0.05, que3

diferente de cero, es decir hay relación entre el salario y el sexo del empleado. Por
lo tanto, la Variable X3 no excluimos del modelo.

Debido que ninguna otra variable fue excluida del modelo de regresión múltiple, las
5
variables independientes que se quedan son: X1 y X3.
 4. Determine la ecuación de Regresión de Mínimos cuadrados, usando
variables que deben entrar en el modelo de regresión. Interprete los
coeficientes de regresión.

Coeficientesa
Modelo Coeficientes
Coeficientes no tipificados
estandarizados t Sig.
B Error típ. Beta
1 (Constante) 784.186 316.819 2.475 .020
Tiempo de 9.021 3.106 .439 2.904 .007
servicio X1
Sexo X3 224.406 87.352 .388 2.569 .016
a. Variable dependiente: Salario mensual ($) Y

Y´ = 784.186 + 9.021X1 + 224.406X3

Donde:
Y: Salario mensual ($)
X1: Tiempo de servicio (en meses)
X3: Sexo (1=masculino, 0=femenino)
 Por cada mes de servicio de un empleado su salario mensual aumenta en
$9.021
 Un empleado de sexo masculino gana mensualmente $224.406 más que una
mujer.

5. Determine e interprete le Coeficiente de Correlación Múltiple y el

Coeficiente de Determinación.

Resumen del modelo

Model Error típ. de la
o R R cuadrado R cuadrado corregida estimación
1
.636a .405 .361 233.071
a. Variables predictoras: (Constante), Sexo X3, Tiempo de servicio X1

 R=0.636. Una relación fuerte entre salario mensual ($), meses de

servicio y sexo del empleado.
 R2=0.405. El 40.5% de la variación en los salarios mensuales de los
empleados se debe de la variación en los meses de servicio y el sexo del
empleado.

6
 Instrumento de evaluación de procedimiento de análisis de correlación y regresión lineal
múltiple

Criterio a evaluar Cumplido

1. Prueba de Hipótesis Global para Cumplen los 4 aspectos siguientes:
determinar si alguno de los coeficientes de 1. La hipótesis correctamente planteada y redactada. (1 puntos)
regresión es diferente de cero.
2. Análisis de correlación.
3. Análisis de multicolinealidad.
4. Prueba de hipótesis para cada uno de
los coeficientes de regresión de las 1. La salida de SPSS está correcta. (1 punto)
variables que se quedaron en el modelo
5. Ecuación de Regresión de Mínimos
cuadrados
6. Coeficiente de Correlación Múltiple
y Coeficiente de Determinación.
Total puntos obtenidos de 25:
2. La salida de SPSS está correcta. (1 punto)
3. Decisión está redactada correctamente. (1 punto)
4. Conclusión está redactada correctamente. (1 punto)
Total: 4 puntos
Cumplen los 2 aspectos siguientes:
1. La matriz de los coeficientes de correlación, de SPSS, correcta. (1
punto)
2. Todas las pruebas contienen hipótesis, decisión y conclusión
correctamente redactadas. (3 puntos)
Total: 4 puntos
Cumplen los 3 aspectos siguientes:
1. Se muestra (n) el (los) coeficiente(s) de correlación entre todas las
variables independientes que quedaron en el modelo. (1 punto)
2. Se explica y se analiza correctamente la condición de multicolinealidad.
(2 puntos)
3. Se concluye que variables quedan en el modelo. (1 punto)
Total: 4 puntos
Cumplen los 4 aspectos siguientes:
2. Las pruebas se realizan para todos los coeficientes de las variables que
quedaron en el modelo después de análisis anterior. Todas las pruebas
contienen hipótesis con redacción, decisión y conclusión correctamente
redactadas. (3 puntos)
3. Se concluye que variables quedan en el modelo. (1 punto)
Total: 5 puntos
Cumplen los 3 aspectos siguientes:
1. La Ecuación de Regresión está correcta, las etiquetas de las variables
están correctas. (1 puntos)
2. La salida de SPSS está correcta. (1 puntos)
3. Cada coeficiente de regresión está correctamente interpretado. (3
puntos)
Total: 5 puntos
Cumplen los 4 aspectos siguientes:
1. Coeficiente de Correlación está determinado correctamente. (0.5
puntos)
2. Coeficiente de Correlación está interpretado correctamente. (1 puntos)
3. Coeficiente de Determinación está determinado correctamente. (0.5
puntos)
4. Coeficiente de Determinación está interpretado correctamente. (1
puntos)
Total: 3 puntos