Alumn: María Álvarez Álvarez

Prof: Crisanto de los Santos Duran

Grado en Matemáticas Aplicadas

Introducción al Análisis de Datos

Regresión lineal
simple
Dada la función de consumo Keynesiana: cons=β_0+β_1 renta + ϵ

Vamos a estimarla utilizando los datos de 6 hogares:

Obs Cons Renta

1 5 6

2 7 9

3 8 10

4 10 12

5 11 13

6 13 16

Se trata de realizar una regresión lineal simple incorporando los siguientes apartados:

Utilizando el programa SPSS obtenemos las siguientes tablas de datos para resolver las
cuestiones planteadas:

1.- CÁLCULO DE INDICADORES ESTADÍSTICOS PARA LAS VARIABLES CONSUMO Y

RENTA.

Statistics
Consumo Renta
N Valid 6 6
Missing 0 0
Mean 9.0000 11.0000
Median 9.0000 11.0000
Mode 5.00a 6.00a
Variance 8.400 12.000
a. Multiple modes exist. The smallest value is
shown
En la tabla vemos los valores estadísticos para el consumo y la renta. Hemos obtenido
las variables de media, mediana, moda y varianza. Vemos que los datos tomados son
correctos pues hay 6 observaciones y no hay datos perdidos.

2.- DETERMINAR VARIABLE DEPENDIENTE E INDEPENDIENTE.

La variable dependiente es el consumo ya que depende de la rente mientras que la

independiente es la renta ya que es la variable con la que se predice el consumo

Análisis de Datos [2] 27 de feb. de 2024

3..- REALIZAR GRÁFICO DE DISPERSIÓN ENTRE AMBAS VARIABLES Y OBTENER EL
COEFICIENTE DE CORRELACIÓN LINEAL. A LA VISTA DEL GRÁFICO Y DEL
COEFICIENTE DE CORRELACIÓN ¿CONSIDERAS QUE SE PUEDE REALIZAR UN
MODELO DE REGRESIÓN LINEAL SIMPLE?

Consumo frente a renta

18.00
16.00
14.00
Renta

12.00
10.00
8.00
6.00
4.00
4.00 6.00 8.00 10.00 12.00 14.00
Consumo

Claramente se puede hacer un modelo de regresión lineal simple por la distribución de

la nube de puntos.

OBTENER EL R^2.

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 41,667 1 41,667 500,000 <,001b
Residual ,333 4 ,083
Total 42,000 5
a. Dependent Variable: Consumo
b. Predictors: (Constant), Renta

Realizamos la división entre 41,667 y 42 obteniendo un valor de 0,992. Para

comprobarlo vemos que coincide con el de la tabla siguiente.

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 ,996a ,992 ,990 ,28868
a. Predictors: (Constant), Renta

En efecto el R2 es 0,992. Este valor está cerca del uno, por lo que podemos decir que
el modelo es muy preciso.

Análisis de Datos [3] 27 de feb. de 2024

5. OBTENER LOS COEFICIENTES DE LA RECTA Y ESCRIBIR LA ECUACIÓN DE
REGRESIÓN LINEAL QUE RELACIONE AMBAS VARIABLES.

Con la siguiente tabla obtengo la información suficiente para crear la ecuación de

regresión lineal.

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -,167 ,427 -,391 ,716
Renta ,833 ,037 ,996 22,361 <,001
a. Dependent Variable: Consumo

Con los datos de la gráfica obtenemos los valores buscados para completar la
ecuación.

consumo= -0,167+0,833*renta

Análisis de Datos [4] 27 de feb. de 2024