Un promotor immobiliario se dispone a adquirir un conjunto de edificaciones en un área comercial de la ciudad.

Requiere

Y1 Valor de la tasación del edificio Y1 X1 X2

X1 Superficie en metros cuadrados 142 231 2
X2 Número de oficinas 144 233 2
X3 Número de accesos 151 235 3
X4 Estado de los edificios 160 237 3
139 220 2
Los datos se muestran en la siguiente tabla: 169 242 4
126 235 2
x4 143 237 2
Excelente 163 249 3
Bueno 189 251 4
Regular 149 234 2
Regular
Malo
Bueno
Malo
Regular
Excelente
Bueno
Regular
rcial de la ciudad. Requiere estimar el valor del edificio de un área determinada basada en las siguientes variables:

X3 X4
2 4
2 3
1 2
2 2
3 1
2 3
1 1
2 2
3 4
4 3
3 2
Con la variable seleccionada para Regresión simple, probar las alternativas no lineales y elegir la más representativa

Resumen de modelo y estimaciones de parámetro

Variable dependiente:
Resumen del modelo Estimaciones de pará
Ecuación R cuadrado F gl1 gl2 Sig. Constante
Lineal .800 35.909 1 9 .000 102.292
Logarítmico .786 32.979 1 9 .000 103.452
Inverso .762 28.845 1 9 .000 208.806
Cuadrático .802 16.169 2 8 .002 116.000
Cúbico .802 16.169 2 8 .002 116.000
Compuesto .786 33.034 1 9 .000 110.208
Potencia .778 31.463 1 9 .000 110.903
S .759 28.385 1 9 .000 5.382
Crecimiento .786 33.034 1 9 .000 4.702
Exponencial .786 33.034 1 9 .000 110.208
Logística .786 33.034 1 9 .000 .009
La variable independiente es N_Oficina.

Interpretación:
Tenemos 2 alternativas no lineales con el mismo coeficiente de correlación las cuales son la cuadrática y la cúbica con 0.802,
al saber que el cúbico en el momento podría ser bueno, pero a la larga al ser muy exponencial se alejaría más qu
la mejor alternativa de ambas sería la cuadrática.
la más representativa

ámetro

Estimaciones de parámetro
b1 b2 b3
18.958
52.510
-138.194
8.750 1.750
8.750 1.750 0.000
1.128
.335
-.884
.121
.121
.886

la cuadrática y la cúbica con 0.802,

exponencial se alejaría más que la cuadrática
Construir el cuadro resumen de las alternativas factibles para ser usadas en predicción, considerar tanto Regresión Simple line

Correlaciones

Val_tasac Area N_Oficina N_Accesos Estado

Val_tasac Correlación
de Pearson 1 ,763** ,894** ,613* .482

Sig. (bilateral)
.006 .000 .045 .133
N 11 11 11 11 11
Area Correlación
de Pearson ,763** 1 ,726* .323 .538
Sig. (bilateral)
.006 .011 .333 .088
N 11 11 11 11 11
N_Oficina Correlación
de Pearson ,894** ,726* 1 .286 .336
Sig. (bilateral)
.000 .011 .394 .312

N 11 11 11 11 11
N_Accesos Correlación
de Pearson ,613* .323 .286 1 .281
Sig. (bilateral)
.045 .333 .394 .402
N 11 11 11 11 11
Estado Correlación
de Pearson .482 .538 .336 .281 1
Sig. (bilateral)
.133 .088 .312 .402
N 11 11 11 11 11
**. La correlación es significativa en el nivel 0,01 (bilateral).
*. La correlación es significativa en el nivel 0,05 (bilateral).
SELECCIÓN DE LAS VARIABLES REPRESENTATIVAS
1.1. ryx1 ,763**
1.2. ryx2 ,894** REGRESION SIMPLE
1.3. ryx3 ,613*
1.4. ryx4 .482 RETIRAR

SELECCIÓN LAS VARIABLES QUE NO PRESENTEN MULTICOLINEIDAD

2.1. ryx1 ,763**

ryx2 ,894**
rx1x2 = ,726* < ryx3= ,763**

2.2. ryx1 ,763**

ryx3 ,613*
rx1x4 = .323 < ryx4= ,613*
2.3. ryx2 ,894**
ryx3 ,613*
rx1x7 = .286 < ryx1= ,613*

3.3. y -x1 - x2

Resumen del modelo

Error
R cuadrado estándar de la
Modelo R R cuadrado ajustado estimación
1 ,909a .827 .784 7.979
a. Predictores: (Constante), N_Oficina, Area

ANOVAa

Suma de Media
Modelo cuadrados gl cuadrática F
1 Regresión 2432.854 2 1216.427 19.106
Residuo 509.327 8 63.666
Total 2942.182 10
a. Variable dependiente: Val_tasac
b. Predictores: (Constante), N_Oficina, Area

Coeficientesa

Coeficientes
Coeficientes no estandarizado
estandarizados s
Error
Modelo B estándar Beta t
1 (Constante) -2.731 93.908 -.029
Area .485 .432 .240 1.123
N_Oficina 15.262 4.535 .720 3.366
a. Variable dependiente: Val_tasac
erar tanto Regresión Simple lineal, Regresión simple no Lineal y Regresión Múltiple

Tabla Resumen de Modelos de regresión

Variables Explicadas SCE R cuadrado

Ninguna Variable SCT

y -x2

y -x2 Cúbico - CUADRÁTICO

y -x1 - x3 Importe - N_préstamos - Plazo_meses

y -x1 - x7 Importe - N_préstamos - Calificación

y -x3 - x4 Importe - Plazo_meses - Cantidad_emp

y -x4 - x7 Importe - Cantidad_emp - Calificación

No hay Multicolineidad

No hay Multicolineidad
No hay Multicolineidad

3.4. y -x1 - x3

Resumen del modelo

Modelo R R cuadrado
1 ,856a .732
a. Predictores: (Constante), N_Accesos, Area

ANOVAa

Suma de
Sig. Modelo cuadrados
,001b 1 Regresión 2154.574
Residuo 787.607
Total 2942.182
a. Variable dependiente: Val_tasac
b. Predictores: (Constante), N_Accesos, Area

Coeficientesa

Coeficientes no
estandarizados

Sig. Modelo B
.978 1 (Constante) -166.601
.294 Area 1.272
.010 N_Accesos 7.774
a. Variable dependiente: Val_tasac
 3.5. y -x2 - x3

umen del modelo Resumen del modelo

Error
R cuadrado estándar de la
ajustado estimación Modelo R
.665 9.922 1 ,969a
Accesos, Area a. Predictores: (Constante), N_Accesos, N_Oficina

ANOVAa ANO

Media
gl cuadrática F Sig. Modelo
2 1077.287 10.942 ,005
b 1 Regresión
8 98.451 Residuo
10 Total
sac a. Variable dependiente: Val_tasac
Accesos, Area b. Predictores: (Constante), N_Accesos, N_Oficina

Coeficientesa Coefic

Coeficientes
Coeficientes no estandarizado
estandarizados s
Error
estándar Beta t Sig. Modelo
90.057 -1.850 .101 1 (Constante)
.390 .630 3.262 .012 N_Oficina
3.665 .410 2.121 .067 N_Accesos
sac a. Variable dependiente: Val_tasac
 Resumen del modelo

Error
R cuadrado estándar de la
R cuadrado ajustado estimación
.939 .924 4.731
Constante), N_Accesos, N_Oficina

ANOVAa

Suma de Media
cuadrados gl cuadrática F Sig.
2763.113 2 1381.557 61.722 ,000b
179.068 8 22.384
2942.182 10
ndiente: Val_tasac
Constante), N_Accesos, N_Oficina

Coeficientesa

Coeficientes
Coeficientes no estandarizado
estandarizados s
Error
B estándar Beta t Sig.
91.717 5.648 16.239 .000
16.597 1.930 .783 8.601 .000
7.392 1.726 .390 4.283 .003
ndiente: Val_tasac