Regresión Lineal Múltiple

Regresión lineal múltiple
Es una técnica dependiente entre una variable dependiente (endógena, explicada) y varias
variables independientes (exógenas, explicativas).
Variable dependiente=F(varias variables independientes)
Se desea construir un modelo de regresión lineal multiple para detectar el ausentismo en una
empresa en función de la oficina en la que trabaja (taller, sexo, edad, antigüedad, salario).
Ausentismo= F(taller, sexo, edad, antigüedad, salario)
Y = F(x1, x2 ,x3. X4. X5 )
MODELO GENERAL
Y = β 0 + β 1∗X 1 + β 2∗X 2+ β3∗X 3 + β 4∗X 4 + β5∗X 5
Se conoce los datos de la variables independientes y las variables dependientes s, se busca los
valores de los β para poder escribir el modelo.
Para determinar si los valores de los β encontrados son validos o no validos se utiliza
H0: los valores de β son iguales a cero
H1: Los valores de los β son diferentes
Regla de decisión
Si el valor de significancia es menor que el 5%= 0,05 se acepta la hipótesis alterna y se rechaza
la hipótesis nula; esto quiere decir que los valores de los β son diferentes de cero y las
variables a los que corresponden estos β se quedan en el modelo.
Si el valor de significancia es mayor que el 5%= 0,05 se acepta la hiportesis nula y se rechaza la
hipótesis alternativa; esto quiere decir que los valores de los β son diferentes de cero y las
variables a los que corresponden estos β se quedan en el modelo.
Ejemplo
8.3
Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Error estándar Beta t Sig.
1 (Constante) 12,444 β0 1,640 7,586 ,000
Taller (X1) ,968 β 1 ,669 ,112 1,448 ,155
Sexo (X2) 2,049 β2 ,712 ,271 2,877 ,006
edad(X3) -,037 β3 ,047 -,134 -,792 ,433
Antigue (X4) -,151 β 4 ,065 -,408 -2,309 ,026
salario(X5) -,044 β 5 ,007 -,566 -6,027 ,000
a. Variable dependiente: absen
Pag 215
MODELO LINEAL GENERAL
Y = F(x1, x2 ,x3. X4. X5 )
MODELO GENERAL
Y = β 0 + β 1∗X 1 + β 2∗X 2+ β3∗X 3 + β 4∗X 4 + β5∗X 5
MODELO PARTICULAR
Y =12,444+ , 968∗X 1+2,049∗X 2 +−,037∗X 3+−,151∗X 4+−, 044∗X 5
AFINACION DEL MODELO

Las variables que se quedan en el modelo lñas variables que correspondan a los valores menos
que el 5% de significancia
Y =12,444+ , 968∗X 1+2,049∗X 2 +−,037∗X 3+−,151∗X 4±, 044∗X 5
SELECCIÓN AUTOMÁTICA DE VARIABLES
Primer método Por pasos
Coeficientesa
Modelo Coeficientes no estandarizados Coeficientes t Sig.

estandarizados
B Error estándar Beta
1 (Constante) 7,640 ,595 12,846 ,000
antigue -,264 ,038 -,715 -6,942 ,000

2 (Constante) 11,956 1,068 11,194 ,000
antigue -,193 ,035 -,523 -5,461 ,000
salario -,034 ,007 -,438 -4,565 ,000
3 (Constante) β 012,417 ,956 12,990 ,000
X1antigue β 1 -,200 ,031 -,541 -6,354 ,000
X2salario β 2-,046 ,007 -,585 -6,208 ,000
X3 sexo β 3∗¿ 2,404 ,662 ,318 3,631 ,001
MODELO GENERAL
Ausentismo = β 0 + β 1∗Antiguedad+ β 2∗Salario+ β 3∗Sexo
Ausentismo =12,417+−,200∗Antiguedad+−, 046∗Salario +2,404∗Sexo
Y =12,417 +−, 200∗X 1+−, 046∗X 2+2,404∗X 3
Variables excluidasa
Estadísticas de
Correlación colinealidad
Modelo En beta t Sig. parcial Tolerancia
1 taller ,179 b
1,768 ,084 ,255 ,988
sexo ,084b ,784 ,437 ,116 ,933

edad -,216 b
-1,026 ,310 -,151 ,240
salario -,438b -4,565 ,000 -,563 ,808

2 taller ,155 c
1,829 ,074 ,266 ,984
sexo ,318 c
3,631 ,001 ,480 ,760
edad -,345 c
-2,006 ,051 -,289 ,235
3 taller ,116d 1,511 ,138 ,225 ,962
edad -,150 d
-,880 ,384 -,133 ,201

b. Predictores en el modelo: (Constante), antigue
c. Predictores en el modelo: (Constante), antigue, salario
d. Predictores en el modelo: (Constante), antigue, salario, sexo
Metodo dos
Coeficientesa
Coeficientes
1 (Constante) 12,444 1,640 7,586 ,000
taller ,968 ,669 ,112 1,448 ,155
sexo 2,049 ,712 ,271 2,877 ,006
edad -,037 ,047 -,134 -,792 ,433
antigue -,151 ,065 -,408 -2,309 ,026
salario -,044 ,007 -,566 -6,027 ,000

2 (Constante) 4,500 ,547 8,233 ,000

MODELO GENERAL
Ausentismo = β 0 + β 1∗sexo+ β 2∗Antiguedad+ β 3∗Salario
Modelo particular
Ausentismo =, 12,444+2,049∗sexo+−,151∗Antiguedad+−, 044∗Salario
Y=, 12,444+2,049∗sexo+−,151∗Antiguedad+−, 044∗Salario
Estadísticas de
2 taller ,257 b
1,802 ,078 ,257 1,000
sexo -,106b -,726 ,471 -,106 1,000
edad -,675 b
-6,210 ,000 -,675 1,000
antigue -,715b -6,942 ,000 -,715 1,000
salario -,667 b
-6,073 ,000 -,667 1,000

b. Predictor: (constante)
Tercer método
Coeficientesa
Coeficientes
1 (Constante) 12,444 1,640 7,586 ,000
taller ,968 ,669 ,112 1,448 ,155
sexo 2,049 ,712 ,271 2,877 ,006
edad -,037 ,047 -,134 -,792 ,433
antigue -,151 ,065 -,408 -2,309 ,026
salario -,044 ,007 -,566 -6,027 ,000

2 (Constante) 11,499 1,121 10,256 ,000
taller 1,004 ,664 ,116 1,511 ,138
sexo 2,256 ,660 ,299 3,420 ,001
antigue -,196 ,031 -,531 -6,300 ,000
salario -,044 ,007 -,568 -6,069 ,000
3 (Constante) β 012,417 ,956 12,990 ,000
X1sexo β 12,404 ,662 ,318 3,631 ,001
X2 antigue β 2 -,200 ,031 -,541 -6,354 ,000
X3 salario β 3 -,046 ,007 -,585 -6,208 ,000
MODELO GENERAL
Ausentismo = β 0 + β 1∗sexo+ β 2∗Antiguedad+ β 3∗Salario

Modelo particular
Ausentismo =, 12,417+2,404∗sexo+−,200∗Antiguedad+−, 046∗Salario
Y=, 12,417+2,404∗X 1+−, 200∗x 2+−,046∗x 3
Estadísticas de
2 edad -,134b -,792 ,433 -,121 ,200

3 edad -,150 c
-,880 ,384 -,133 ,201
taller ,116c 1,511 ,138 ,225 ,962

b. Predictores en el modelo: (Constante), salario, taller, sexo, antigue
c. Predictores en el modelo: (Constante), salario, sexo, antigue
Metodo 4
Hacia adente
Coeficientesa
Coeficientes

1 (Constante) 7,640 ,595 12,846 ,000
antigue -,264 ,038 -,715 -6,942 ,000

2 (Constante) 11,956 1,068 11,194 ,000
antigue -,193 ,035 -,523 -5,461 ,000
salario -,034 ,007 -,438 -4,565 ,000
3 (Constante) β 012,417 ,956 12,990 ,000
X1antigue β 1-,200 ,031 -,541 -6,354 ,000
X2 salario β 2-,046 ,007 -,585 -6,208 ,000
X3 sexo β 32,404 ,662 ,318 3,631 ,001
MODELO GENERAL
Ausentismo = β 0 + β 1∗antiguedad + β 2∗salario+ β 3∗sexo
Modelo particular
Ausentismo =, 12,417±,200∗Antiguedad±,046∗Salario+2,404∗sexo
Y=, 12,417±,200∗X 1±,046∗X 2+2,404∗X 3
Estadísticas de
1 taller ,179b 1,768 ,084 ,255 ,988
sexo ,084b ,784 ,437 ,116 ,933
edad -,216b -1,026 ,310 -,151 ,240
salario -,438b -4,565 ,000 -,563 ,808

2 taller ,155c 1,829 ,074 ,266 ,984
sexo ,318 c
3,631 ,001 ,480 ,760
edad -,345 c
-2,006 ,051 -,289 ,235
3 taller ,116d 1,511 ,138 ,225 ,962
edad -,150d -,880 ,384 -,133 ,201

b. Predictores en el modelo: (Constante), antigue
c. Predictores en el modelo: (Constante), antigue, salario
d. Predictores en el modelo: (Constante), antigue, salario, sexo
TALLER
Coeficientesa
Coeficientes
1 (Constante) -13140,678 10722,537 -1,226 ,255
X1PESO -,248 3,687 -,009 -,067 ,948
X2POTENCIA 52,383 16,335 ,469 3,207 ,012
X3NUMERO DE CILINDROS 5643,669 1307,777 ,543 4,315 ,003
X4VELOCIDAD -59,837 35,816 -,180 -1,671 ,133
a. Variable dependiente: PRECIO
MODELO GENERAL
Ausentismo = β 0 + β 1∗peso+ β 2∗potencia+ β 3∗numero de cilindros + β 2∗velocidad
Modelo particular
Ausentismo=
−13140,678+−, 248∗peso +52,383∗potencia+5643,669∗numero de cilindros+−59,837∗velocidad
Y =−13140,678+−, 248∗X 1+52,383∗X 2+5643,669∗X 3+−59,837∗X 4
POR PASOS
Coeficientesa
Coeficientes
1 (Constante) -21895,060 10835,288 -2,021 ,068
NUMERO DE CILINDROS 8734,217 1696,970 ,841 5,147 ,000

2 (Constante) -20880,453 7013,844 -2,977 ,014
X1 NUMERO DE CILINDROS 5693,874 1331,424 ,548 4,277 ,002
X2 POTENCIA 57,759 14,312 ,517 4,036 ,002

MODELO GENERAL
Ausentismo = β 0 + β 1∗numero de cilindros+ β 2∗potencia
Modelo particular
Ausentismo=−20880,453+5693,874∗numero de cilindros+57,759∗potencia
y=−20880,453+5693,874∗X 1+ β 2∗X 2
Estadísticas de
1 PESO ,260b 1,457 ,176 ,418 ,757
POTENCIA ,517b 4,036 ,002 ,787 ,680
VELOCIDAD -,276b -1,825 ,098 -,500 ,959

2 PESO ,010c ,068 ,948 ,023 ,556
VELOCIDAD -,179 c
-1,772 ,110 -,509 ,899

b. Predictores en el modelo: (Constante), NUMERO DE CILINDROS
c. Predictores en el modelo: (Constante), NUMERO DE CILINDROS , POTENCIA
METODO ELIMINAR
Coeficientesa
Coeficientes
1 (Constante) -13140,678 10722,537 -1,226 ,255
PESO -,248 3,687 -,009 -,067 ,948
X1 POTENCIA 52,383 16,335 ,469 3,207 ,012
X2NUMERO DE CILINDROS 5643,669 1307,777 ,543 4,315 ,003
VELOCIDAD -59,837 35,816 -,180 -1,671 ,133

2 (Constante) 33197,692 2972,749 11,167 ,000
MODELO GENERAL
Ausentismo = β 0 + β 1∗potencias+ β 2∗numero de cilindro
Modelo particular
Ausentismo =−13140,678+52,383∗potencias +5643,669∗numero de cilindro
Ausentismo =−13140,678+52,383∗X 1+ 5643,669∗X 2

METODO HACIA ATRÁS
Coeficientesa
Coeficientes
1 (Constante) -13140,678 10722,537 -1,226 ,255
PESO -,248 3,687 -,009 -,067 ,948
POTENCIA 52,383 16,335 ,469 3,207 ,012
VELOCIDAD -59,837 35,816 -,180 -1,671 ,133

2 (Constante) -13619,221 7570,912 -1,799 ,106
POTENCIA 51,842 13,412 ,464 3,865 ,004
VELOCIDAD -59,633 33,656 -,179 -1,772 ,110
3 (Constante) -20880,453 7013,844 -2,977 ,014
POTENCIA 57,759 14,312 ,517 4,036 ,002
MODELO GENERAL
Ausentismo = β 0 + β 1∗potencias+ β 2∗numero de cilindro
Modelo particular
Ausentismo =−20880,453+52,383∗potencias +5643,669∗numero de cilindro
Ausentismo =−13140,678+52,383∗X 1+ 5643,669∗X 2
METODO HACIA ADELANTE

Coeficientesa
Coeficientes
1 (Constante) -21895,060 10835,288 -2,021 ,068

2 (Constante) -20880,453 7013,844 -2,977 ,014
POTENCIA 57,759 14,312 ,517 4,036 ,002
MODELO GENERAL
Ausentismo = β 0 + β 1∗numero de cilindro+ β 2∗POTENCIA
Modelo particular
Ausentismo =−20880,453+5693,874∗numero de cilindro+57,759∗POTENCIA
Ausentismo =−20880,453+5693,874∗X 1+57,759∗X 2
Interpretación de las columnas porcentaje T
De las variables se quedan en el modelo luego de haber analizado la significancia que sean
menores que el 5% la variable que incide más fuertemente al modelo es la que tiene el mayor
valor absoluto de puntaje T y tiene menor significancia
En nuestro caso en la variable que incide fuertemente es el # de Cilindros
Conclusión
Existe una fuerte evidencia empiriza que cuando mayor sea el nivel de salario del empleado
son menojres las ausencias del lugar de trabajo ya que el coeficiente estamiando de esta
variable
Soluciones de acuerdo con los resultados obtenidos la dirección de la empresa debería seguir
las siguientes líneas de actuación en su política de personal con el fin de reducir el ausentismo
en la empresa:
1. Seria conveniente incrementar los salarios especialmente aquellos que lo tengan mas
bajos
2. Contratar con preferencia a mujeres trabajadoras
3. Fomentar los contratos indefinidos en la empresa con objeto que aumente la
antigüedad media de los empleados
En Excel utilizamos el archivo 8.3
Ausentismo=
MODELO GENERAL
Y = F(x1, x2 ,x3. X4. X5 )
Y = β 0 + β 1∗X 1 + β 2∗X 2+ β3∗X 3 + β 4∗X 4 + β5∗X 5
MODELO PARTICULAR
Y =12,444+ , 968∗X 1+2,049∗X 2 +−,037∗X 3+−,151∗X 4+−, 044∗X 5
Modelo afinado
MODELO GENERAL
Ausentismo= F(sexo, antigüedad,salario )
Y = F( x2 X4. X5)
Y = β 0 + β 2∗X 2 + β 4∗X 4 + β 5∗X 5
Interpretación de las columnas porcentaje T
De las variables se quedan en el modelo luego de haber analizado la significancia que sean
menores que el 5% la variable que incide más fuertemente al modelo es la que tiene el mayor
valor absoluto de puntaje T y tiene menor significancia
En nuestro caso en la variable que incide fuertemente es el # de Cilindros
Conclusión
Existe una fuerte evidencia empiriza que cuando mayor sea el nivel de salario del empleado
son menojres las ausencias del lugar de trabajo ya que el coeficiente estamiando de esta
variable
DEBER 42
INTERPRETAR LA COLUMNA T Y escribir las respectivas soluciones de los archivos enviados
Calculo del estadístico AKAIKE (AIC)

Sirve para determinar cual modelo ajusta mejor entre los modelos no lineales el menor de los
modelos AIC es el que mejor se ajusta
Formula
{{
AIC= ¿ 2 π
residual ( Anova )
t } }
+1 +
2k
7
Datos
Residuo = 214351,952
K = numero de variables explicativas incluida la constante = 2
T = Numero de datos = 20
{{
AIC= ¿ 2 π
214351,952
20 } }
+1 +
4
20
AIC = 12,37
Modelo summary
R2 = 0,836 = 83,6 %
Esto quiere decir que la variable independiente es explicada en el orden de 83,6% por la
variable independiente
Modelos no lineales
MODELO GENERAL
Y = β 0 + β 1∗X 1
Y ( lácteos) = β 0 + β 1∗renta disponible
Y ( lácteos) =4,0143+ 0,005288∗renta disponible
Aic= 5,2327
Modelo inverso
Y = β 0 + β 1∗X 1 / x 1
Y lácteos =18,65+ β 1−¿ x 1
Aic= 5,2922
Pag 227
Modelo logarítmico
Y = IN β 0 + β 1∗¿ X 1
AIC = 0,2365
Mejor Modelo
Regla de decisión
Generalmente es el que tiene mayor valor de coeficiente de determinación ( R 2 y el que tiene

mejor valor AIC)
El modelo que cumple la condición es que que tienen doble mente logarítmico
Y = β 0 + β 1∗X 1
Y ( lácteos) = β 0 + β 1∗renta disponible
Y ( lácteos) =4,0143+ 0,005288∗renta disponible
Aic= 5,2327
Modelos no lineales gráficamente
Regla de decisión
Es el que tiene mayor coeficiente de determinación ( R 2 en nuestro caso el modelo q mejor

ajusta los datos es el polimonial por que tiene un R 2 52, %
Observación
No es muy confiable el modelo obtenido gráficamente
Deber 44
Hacer
Hacer analiktica y gráficamente
Entre numero =F( INGRESO F, EDAD, CEPILLADO, SEXO )

Regresión Lineal Múltiple

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Regresión Lineal Múltiple

Cargado por

Copyright:

Formatos disponibles

Regresión lineal múltiple

Variable dependiente=F(varias variables independientes)

Ausentismo= F(taller, sexo, edad, antigüedad, salario)

Y = F(x1, x2 ,x3. X4. X5 )

Y = β 0 + β 1∗X 1 + β 2∗X 2+ β3∗X 3 + β 4∗X 4 + β5∗X 5

H0: los valores de β son iguales a cero

H1: Los valores de los β son diferentes

Modelo B Error estándar Beta t Sig.

1 (Constante) 12,444 β0 1,640 7,586 ,000

Taller (X1) ,968 β 1 ,669 ,112 1,448 ,155

Sexo (X2) 2,049 β2 ,712 ,271 2,877 ,006

edad(X3) -,037 β3 ,047 -,134 -,792 ,433

Antigue (X4) -,151 β 4 ,065 -,408 -2,309 ,026

salario(X5) -,044 β 5 ,007 -,566 -6,027 ,000

a. Variable dependiente: absen

MODELO LINEAL GENERAL

Ausentismo= F(taller, sexo, edad, antigüedad, salario)

Y = F(x1, x2 ,x3. X4. X5 )

Y = β 0 + β 1∗X 1 + β 2∗X 2+ β3∗X 3 + β 4∗X 4 + β5∗X 5

Y =12,444+ , 968∗X 1+2,049∗X 2 +−,037∗X 3+−,151∗X 4+−, 044∗X 5

AFINACION DEL MODELO

Y =12,444+ , 968∗X 1+2,049∗X 2 +−,037∗X 3+−,151∗X 4±, 044∗X 5

SELECCIÓN AUTOMÁTICA DE VARIABLES

Primer método Por pasos

Modelo Coeficientes no estandarizados Coeficientes t Sig.

1 (Constante) 7,640 ,595 12,846 ,000

antigue -,264 ,038 -,715 -6,942 ,000

X1antigue β 1 -,200 ,031 -,541 -6,354 ,000

X2salario β 2-,046 ,007 -,585 -6,208 ,000

X3 sexo β 3∗¿ 2,404 ,662 ,318 3,631 ,001

a. Variable dependiente: absen

Ausentismo = β 0 + β 1∗Antiguedad+ β 2∗Salario+ β 3∗Sexo

Ausentismo =12,417+−,200∗Antiguedad+−, 046∗Salario +2,404∗Sexo

Y =12,417 +−, 200∗X 1+−, 046∗X 2+2,404∗X 3

Modelo En beta t Sig. parcial Tolerancia

sexo ,084b ,784 ,437 ,116 ,933

salario -,438b -4,565 ,000 -,563 ,808

a. Variable dependiente: absen

Modelo B Error estándar Beta t Sig.

1 (Constante) 12,444 1,640 7,586 ,000

taller ,968 ,669 ,112 1,448 ,155

sexo 2,049 ,712 ,271 2,877 ,006

edad -,037 ,047 -,134 -,792 ,433

antigue -,151 ,065 -,408 -2,309 ,026

salario -,044 ,007 -,566 -6,027 ,000

a. Variable dependiente: absen

Ausentismo = β 0 + β 1∗sexo+ β 2∗Antiguedad+ β 3∗Salario

Ausentismo =, 12,444+2,049∗sexo+−,151∗Antiguedad+−, 044∗Salario

Y=, 12,444+2,049∗sexo+−,151∗Antiguedad+−, 044∗Salario

Modelo En beta t Sig. parcial Tolerancia

sexo -,106b -,726 ,471 -,106 1,000

antigue -,715b -6,942 ,000 -,715 1,000

a. Variable dependiente: absen

Modelo B Error estándar Beta t Sig.

1 (Constante) 12,444 1,640 7,586 ,000

taller ,968 ,669 ,112 1,448 ,155

sexo 2,049 ,712 ,271 2,877 ,006

edad -,037 ,047 -,134 -,792 ,433

antigue -,151 ,065 -,408 -2,309 ,026

salario -,044 ,007 -,566 -6,027 ,000

X1sexo β 12,404 ,662 ,318 3,631 ,001

X2 antigue β 2 -,200 ,031 -,541 -6,354 ,000