REGRESION LINEAL MULTIPLE con el METODO INTRODUCIR

Variables entradas/eliminadasa

Modelo Variables entradas Variables eliminadas Método

1 Edad, Salario inicial, Tiempo . Introducir
en el empresa (meses), Años
de estudio, Experiencia previa
(meses)b

a. Variable dependiente: Salario actual

b. Todas las variables solicitadas introducidas.

Los factores edad, salario inicial, tiempo en la

empresa , años de estudio y experiencia de acuerdo
a la remuneracion de los empleados que influyen
significativamente (METODO DE INTRODUCCION).
El modelo explica que el 81% explica de la variación
de sueldo depende de acuerdo con los factores
determinantes mencionados , con un error de
estimación de 7. 442 80810 de salario.

Y= -11092,613 + 631,920 *1 + 1,771 *2 + 166,444*3 -8,301*4 - 103,049*5 + 7 442.80810

Resumen del modelo

Error estándar de la
Modelo R R cuadrado R cuadrado ajustado estimación
a
1 ,901 ,812 ,810 7,442.80810

a. Predictores: (Constante), Edad, Salario inicial, Tiempo en el empresa (meses), Años de estudio,
Experiencia previa (meses)

ANOVAa
 Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 112046565257,8 5 22409313051,57 404,534 ,000b
69 4
Residuo 25869648225,00 467 55395392,345
6
Total 137916213482,8 472
76
a. Variable dependiente: Salario actual
b. Predictores: (Constante), Edad, Salario inicial, Tiempo en el empresa (meses), Años de
estudio, Experiencia previa (meses)

En el ANOVA muestra el nivel de significancia de 0.000 es SIGNIFICATIVO, es

decir es Válido.

Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) -11092,613 4027,493 -2,754 ,006
Años de estudio 631,920 166,461 ,107 3,796 ,000
Salario inicial 1,771 ,059 ,816 30,231 ,000
Tiempo en el empresa 166,444 34,381 ,098 4,841 ,000
(meses)
Experiencia previa (meses) -8,301 5,576 -,051 -1,489 ,137
Edad -103,049 49,476 -,071 -2,083 ,038
a. Variable dependiente: Salario actual
Requisitos del Modelo

1. Prueba de normalidad

HO: Los residuos siguen distribución normal

Pruebas de normalidad
Kolmogorov- Wil
Estadístico Estadístico gl Sig.
Standardized ,127 ,853 473 ,000
Residual
a. Corrección de significación de Lilliefors

V= 0.000 menor a 0.05

Se acepta la Hipótesis

H1: Los residuos no siguen distribución normal

Igualdad de varianzas o Homogeneidad
La grafica de dispersión de Y residuales estandarizados muestran aleatoriedad (esta alrededor de la línea central “0”), por tanto los residuos
tienen igual varianza.
Colinealidad o multicolinealidad

Se encontró cierta colinealidad entre la variable dependiente y sueldos de los

empleados (r=
0.547.

Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) -11092,613 4027,493 -2,754 ,006
Años de estudio 631,920 166,461 ,107 3,796 ,000
Salario inicial 1,771 ,059 ,816 30,231 ,000
Tiempo en el empresa 166,444 34,381 ,098 4,841 ,000
(meses)
Experiencia previa (meses) -8,301 5,576 -,051 -1,489 ,137
Edad -103,049 49,476 -,071 -2,083 ,038
a. Variable dependiente: Salario actual
autocorrelación o independencia de los residuos

Con los resultados de la prueba de Durbin y Watson son independientes (DW= 1.817)
es diferente

Con los resultados de la prueba de Durbin – Watson , los residuales no se puede

determinar si sin independientes (DW= 1.8, están en la zona de indecisión)

Modelo Durbin-Watson
1 1,817

Valor atípico o extremos

No se encontró valores atípicos o extremos influyentes.

INTERPRETACION:

De acuerdo al modelo Introducir se obtiene la siguiente formula

Y= -11092,613 + 631,920 X1 + 1,771 X2 + 166,444X3 -8,301*4 - 103,049*5 + 7 442.80810

En donde el valor de significancia de la 1 Constante 0.006 < 0.05 , donde se acepta la Hipótesis
Por ello se define que este modelo es el indicado. Y si analizamos los demás niveles de
significancia es menor de 0.05 , a excepto Experiencia es de 0.137 el cual es mayor 0.05.
 REGRESION LINEAL MULTIPLE con el METODO POR PASOS

Variables entradas/eliminadasa
Variables Variables
Modelo entradas eliminadas Método
1 Salario inicial . Por pasos
(Criterios:
Probabilidad-de-
F-para-entrar <=
,050,
Probabilidad-de-
F-para-eliminar
>= ,100).
2 Experiencia . Por pasos
previa (meses) (Criterios:
Probabilidad-de-
F-para-entrar <=
,050,
Probabilidad-de-
F-para-eliminar
>= ,100).
3 Tiempo en el . Por pasos
empresa (Criterios:
(meses) Probabilidad-de-
F-para-entrar <=
,050,
Probabilidad-de-
F-para-eliminar
>= ,100).
4 Años de estudio . Por pasos
(Criterios:
Probabilidad-de-
F-para-entrar <=
,050,
Probabilidad-de-
F-para-eliminar
>= ,100).
5 Edad . Por pasos
(Criterios:
Probabilidad-de-
F-para-entrar <=
,050,
Probabilidad-de-
F-para-eliminar
>= ,100).
6 . Experiencia Por pasos
previa (meses) (Criterios:
Probabilidad-de-
F-para-entrar <=
,050,
Probabilidad-de-
F-para-eliminar
>= ,100).
a. Variable dependiente: Salario actual

Resumen del modelo

R cuadrado Error estándar
Modelo R R cuadrado ajustado de la estimación
a
1 ,880 ,775 ,774 $8,119.79140
2 ,891b ,794 ,793 $7,778.93993
3 ,897c ,804 ,803 $7,592.00150
d
4 ,900 ,811 ,809 $7,469.30471
e
5 ,901 ,812 ,810 $7,442.80810
6 ,901f ,812 ,810 $7,452.47161
a. Predictores: (Constante), Salario inicial
b. Predictores: (Constante), Salario inicial, Experiencia
previa (meses)
c. Predictores: (Constante), Salario inicial, Experiencia
previa (meses), Tiempo en el empresa (meses)
d. Predictores: (Constante), Salario inicial, Experiencia
previa (meses), Tiempo en el empresa (meses), Años
de estudio
e. Predictores: (Constante), Salario inicial, Experiencia
previa (meses), Tiempo en el empresa (meses), Años
de estudio, Edad
f. Predictores: (Constante), Salario inicial, Tiempo en el
empresa (meses), Años de estudio, Edad
 ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 106862706669,3 1 106862706669,3 1620,826 ,000b
40 40
Residuo 31053506813,53 471 65931012,343
6
Total 137916213482,8 472
76
2 Regresión 109475617434,3 2 54737808717,17 904,579 ,000c
56 8
Residuo 28440596048,51 470 60511906,486
9
Total 137916213482,8 472
76
3 Regresión 110883763193,8 3 36961254397,93 641,260 ,000d
17 9
Residuo 27032450289,05 469 57638486,757
9
Total 137916213482,8 472
76
4 Regresión 111806253494,3 4 27951563373,59 501,009 ,000e
92 8
Residuo 26109959988,48 468 55790512,796
4
Total 137916213482,8 472
76
5 Regresión 112046565257,8 5 22409313051,57 404,534 ,000f
69 4
Residuo 25869648225,00 467 55395392,345
6
Total 137916213482,8 472
76
6 Regresión 111923805600,8 4 27980951400,20 503,804 ,000g
07 2
Residuo 25992407882,06 468 55539333,081
9
Total 137916213482,8 472
76
a. Variable dependiente: Salario actual
b. Predictores: (Constante), Salario inicial
c. Predictores: (Constante), Salario inicial, Experiencia previa (meses)
d. Predictores: (Constante), Salario inicial, Experiencia previa (meses),
Tiempo en el empresa (meses)
e. Predictores: (Constante), Salario inicial, Experiencia previa (meses),
Tiempo en el empresa (meses), Años de estudio
f. Predictores: (Constante), Salario inicial, Experiencia previa (meses),
Tiempo en el empresa (meses), Años de estudio, Edad
g. Predictores: (Constante), Salario inicial, Tiempo en el empresa
(meses), Años de estudio, Edad

INTERPRETACION:
Según este modelo . En el ANOVA muestra el nivel de significancia de 0.000 es
SIGNIFICATIVO, es decir es Válido.

Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) 1929,517 889,168 2,170 ,031
Salario inicial 1,910 ,047 ,880 40,259 ,000
2 (Constante) 3856,955 900,928 4,281 ,000
Salario inicial 1,924 ,045 ,887 42,279 ,000
Experiencia previa (meses) -22,500 3,424 -,138 -6,571 ,000
3 (Constante) -10159,655 2968,987 -3,422 ,001
Salario inicial 1,928 ,044 ,888 43,404 ,000
Experiencia previa (meses) -22,542 3,342 -,138 -6,746 ,000
Tiempo en el empresa 171,937 34,786 ,101 4,943 ,000
(meses)
4 (Constante) -16050,101 3260,475 -4,923 ,000
Salario inicial 1,768 ,059 ,815 30,084 ,000
Experiencia previa (meses) -17,312 3,530 -,106 -4,904 ,000
Tiempo en el empresa 159,785 34,354 ,094 4,651 ,000
(meses)
Años de estudio 674,218 165,806 ,114 4,066 ,000
5 (Constante) -11092,613 4027,493 -2,754 ,006
Salario inicial 1,771 ,059 ,816 30,231 ,000
Experiencia previa (meses) -8,301 5,576 -,051 -1,489 ,137
Tiempo en el empresa 166,444 34,381 ,098 4,841 ,000
(meses)
 Años de estudio 631,920 166,461 ,107 3,796 ,000
Edad -103,049 49,476 -,071 -2,083 ,038
6 (Constante) -9076,524 3797,884 -2,390 ,017
Salario inicial 1,757 ,058 ,810 30,330 ,000
Tiempo en el empresa 169,040 34,381 ,099 4,917 ,000
(meses)
Años de estudio 664,995 165,186 ,112 4,026 ,000
Edad -160,195 31,254 -,110 -5,126 ,000
a. Variable dependiente: Salario actual

INTERPRETACION:

De acuerdo al cuadro, se tiene en cuenta las variables , consideradas como 6 ,

aparte de ser demasiadas, suficiente con 2 variables se puede conocer el valor
de significancia y aplicabilidad la investigación, de acuerdo a los sueldos de
cada empelado.

Variables excluidasa
Estadísticas de
Correlación colinealidad
Modelo En beta t Sig. parcial Tolerancia
b
1 Años de estudio ,173 6,385 ,000 ,283 ,599
Tiempo en el empresa ,101b 4,707 ,000 ,212 1,000
(meses)
Experiencia previa (meses) -,138b -6,571 ,000 -,290 ,998
b
Edad -,136 -6,498 ,000 -,287 1,000
c
2 Años de estudio ,125 4,392 ,000 ,199 ,520
Tiempo en el empresa ,101c 4,943 ,000 ,223 1,000
(meses)
Edad -,072c -2,057 ,040 -,095 ,353
d
3 Años de estudio ,114 4,066 ,000 ,185 ,516
d
Edad -,087 -2,529 ,012 -,116 ,350
4 Edad -,071e -2,083 ,038 -,096 ,345
6 Experiencia previa (meses) -,051f -1,489 ,137 -,069 ,344
a. Variable dependiente: Salario actual
b. Predictores en el modelo: (Constante), Salario inicial
c. Predictores en el modelo: (Constante), Salario inicial, Experiencia previa (meses)
d. Predictores en el modelo: (Constante), Salario inicial, Experiencia previa (meses),
Tiempo en el empresa (meses)
e. Predictores en el modelo: (Constante), Salario inicial, Experiencia previa (meses),
Tiempo en el empresa (meses), Años de estudio
f. Predictores en el modelo: (Constante), Salario inicial, Tiempo en el empresa
(meses), Años de estudio, Edad

INTERPRETACION:

De acuerdo a las variables, se obtiene que el nivel de significancia es de

CORRELACION MODERADA , años de estudio, tiempo en la empresa experiencia,
edad.