12.

8 Variables categóricas o indicadoras 475

Sum of
Source DF Squares Mean Square F Value Pr > F
Mode l 3 80181.73127 26727.24376 73.68 <.0001
Error 14 5078.71318 362.76523
Corrected Total 17 85260.44444

R-Square Coeff Var Root MSE y Mean

0.940433 6.316049 19.04640 301.5556
Standard
Parameter Estimate Error t Value Pr > |t|
Intercept -161.8973333 37.43315576 -4.32 0.0007
x 54.2940260 4.75541126 11.42 <.0001
z1 89.9980606 11.05228237 8.14 <.0001
z2 27.1656970 11.01042883 2.47 0.0271

Figura 12.3: Salida de resultados del SAS para el ejemplo 12.9.

Este modelo sugiere que para la categoría 1 (z = 1),
E (y) = (β0 + β2 ) + (β1 + β3 )x,
mientras que para la categoría 2 (z = 0),
E (y) = β0 + β1 x.
Por consiguiente, se permite que varíen la intersección y las pendientes para las dos ca-
tegorías. En la figura 12.4 se presentan las rectas de regresión con pendientes variables
para las dos categorías.
y

Categoría 1: pendiente = β 1+ β 3

Categoría 2: pendiente = β 1

β2

β0
x

Figura 12.4: Falta de paralelismo en las variables categóricas.

En este caso β0, β1 y β2 son positivas, mientras que β3 es negativa con |β3| < β1.
Por supuesto, si el coeficiente de interacción β3 es insignificante, regresamos al modelo
común de la pendiente.