Nombres:

Gladys Ninoska López Reyes.

Angie Martínez León.
Shirley Olovacha De la Cruz.

ANÁLISIS DE REGRESIÓN MÚLTIPLE

Actividad en clase: Modelo de precio de las casas

Se desea analizar el precio estimado de una casa (Price) dado en miles de dólares según
la superficie en pies cuadrados de la casa (sqrft) y la casa con una habitación más
(bdrms). Responda:

1. ¿Cuál es la propuesta del modelo del precio de las casas?

Price=β 0 + β 1 sqrft + β 2 bdrms+ μ
2. Identifique cada uno de sus componentes. Describa su significado.
Price: variable dependiente o regresada; esta es la variable que debemos estimar
en nuestro modelo.
Sqrft: variable independiente o regresora; esta es la variable que causara efecto
en y.
Bdrms: variable independiente o regresora; esta es la variable que causara
efecto en y.
β 0= El parámetro constante; este representa el intercepto de la FRM.
β 1= Parámetro que acompaña a X 1 : esta representa la pendiente de la función y
es el cambio de y cuando la demás permanecen constante.
β 2= Parámetro que acompaña a X 2 : esta representa la pendiente de la función y
es el cambio de y cuando la demás permanecen constante.
μ= Termino de error o perturbación; esta se obtiene mediante la Y observada y
Y estimada.
3. ¿Qué otra variable podría considerar en el término de error?
Colonial y Lotsize, donde colonial nos permitirá conocer donde se encuentra
situada la casa y el precio que le correspondería; y lotsize nos ayudará a conocer
el tamaño del lote que nos costaría en dólares por metros.
4. ¿Cuál es el signo esperado de los parámetros?
Se espera un signo positivo ya que a medida que disminuye el intercepto las
otras variables aumentarán su valor esperado y se obtendrá resultados
positivos.
Nombres:
Gladys Ninoska López Reyes.
Angie Martínez León.
Shirley Olovacha De la Cruz.

Utilice la base de datos HPRICE1.RAW en E-Views y genere el análisis de regresión

múltiple. Con los resultados otorgados por el programa, conteste las siguientes
preguntas:

1. Escriba la ecuación estimada del modelo de regresión múltiple del precio de las
casas.
Y^ =−19.31+ 0.12 sqrft +15.19 bdrms
2. ¿Cuál es el incremento del precio para una casa con una habitación más si la
superficie en pies cuadrados se mantiene constante?
El precio de una casa con una habitación más tendrá un incremento β 2 bdrms
=15.19819
3. ¿Cuál es el incremento del precio para una casa si se incrementa en una unidad
la superficie de la casa y se mantiene constante la cantidad de habitaciones?
Y^ =−19.31+ 0.129 sqrft +15.19 bdrms
Y^ =−19.31+ 0.12 sqrft +15.19 ( 0 )
Y^ =−19.31+ 0.12 sqrft
La variable independiente (salario) aumenta a medida que la superficie es
mayor, aunque si la variable independiente (cantidad de habitaciones) se
mantienen constante.
4. Compare las respuestas 2 y 3. Escriba el análisis de comparación de los precios.
La variable de unidad de la superficie de la casa tiene una mayor influencia en el
precio que la variable de la cantidad de habitaciones.
5. Interprete el coeficiente de determinación. (Esta no se hace)
6. La primera casa de la muestra tiene sqrft=2438 y bdrms=4. ¿Cuál es el precio de
venta estimado según la línea de regresión MCO?
Precio=−19.31+ 0.128(2.438)+15.198(4 )=354.604
El precio que se va a estimar de la línea de regresión MCO es de 354.604 de la
primera casa.
7. Si el precio de venta de la muestra fue de $300,000, es decir Price=300, calcule
el residual y conteste: ¿El comprador pagó de más o de menos por la casa?
Nombres:
Gladys Ninoska López Reyes.
Angie Martínez León.
Shirley Olovacha De la Cruz.

μi=Y i−Y^i
^
μi =300−354.604
^
μi = -54.604
^
El comprador pago menos por la casa.