1

REGRESIÓN MULTIPLE

Base de datos en Excel

Base de datos en SPSS 25

 3

Supuestos para el análisis de regresión multiple

Primer supuesto: normalidad

Resumen de procesamiento de casos

Casos
Válido Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
DerramePb_Lt_X1 23 100,0% 0 0,0% 23 100,0%
Temperatura_C°_X2 23 100,0% 0 0,0% 23 100,0%
Tiempo_h_X3 23 100,0% 0 0,0% 23 100,0%
Expansion_m2_Y 23 100,0% 0 0,0% 23 100,0%

El tamaño de la muestra fue de 23 datos

 4

Descriptivos
Estadístico Desv. Error
DerramePb_Lt_X1 Media 678,5139 85,73052
95% de intervalo de Límite inferior 500,7197
confianza para la media Límite superior 856,3081
Media recortada al 5% 668,0712
Mediana 574,5100
Varianza 169043,622
Desv. Desviación 411,14915
Mínimo 97,97
Máximo 1445,56
Rango 1347,59
Rango intercuartil 550,36
Asimetría ,613 ,481
Curtosis -,698 ,935
Temperatura_C°_X2 Media 30,04 1,575
95% de intervalo de Límite inferior 26,78
confianza para la media Límite superior 33,31
Media recortada al 5% 29,83
Mediana 30,00
Varianza 57,043
Desv. Desviación 7,553
Mínimo 19
Máximo 45
Rango 26
Rango intercuartil 11
Asimetría ,266 ,481
Curtosis -,808 ,935
Tiempo_h_X3 Media 6,83 ,354
95% de intervalo de Límite inferior 6,09
confianza para la media Límite superior 7,56
Media recortada al 5% 6,90
Mediana 7,00
Varianza 2,877
Desv. Desviación 1,696
Mínimo 2
Máximo 10
Rango 8
Rango intercuartil 2
 5

Asimetría -,804 ,481

Curtosis 1,894 ,935
Expansion_m2_Y Media 218,26 16,570
95% de intervalo de Límite inferior 183,90
confianza para la media Límite superior 252,63
Media recortada al 5% 218,84
Mediana 220,00
Varianza 6315,020
Desv. Desviación 79,467
Mínimo 70
Máximo 360
Rango 290
Rango intercuartil 110
Asimetría -,293 ,481
Curtosis -,395 ,935

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
DerramePb_Lt_X1 ,173 23 ,071 ,916 23 ,055
*
Temperatura_C°_X2 ,096 23 ,200 ,960 23 ,456
Tiempo_h_X3 ,236 23 ,002 ,917 23 ,058
*
Expansion_m2_Y ,111 23 ,200 ,970 23 ,677
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors
6
7
 8

Los datos son simétricos por lo tanto hay una

normalidad multivariada

Supuesto correlación

Correlaciones
Derrame Temperatura Tiempo Expansion
Pb_Lt_X1 _C°_X2 _h_X3 _m2_Y
DerramePb_Lt_X1 Correlación de Pearson 1 ,062 ,015 ,421*
Sig. (bilateral) ,778 ,946 ,046
N 23 23 23 23
Temperatura_C°_X Correlación de Pearson ,062 1 ,210 ,589**
2 Sig. (bilateral) ,778 ,336 ,003
N 23 23 23 23
Tiempo_h_X3 Correlación de Pearson ,015 ,210 1 ,520*
Sig. (bilateral) ,946 ,336 ,011
N 23 23 23 23
* ** *
Expansion_m2_Y Correlación de Pearson ,421 ,589 ,520 1
Sig. (bilateral) ,046 ,003 ,011
N 23 23 23 23
*. La correlación es significativa en el nivel 0,05 (bilateral).
**. La correlación es significativa en el nivel 0,01 (bilateral).

 No hay necesidad de retirar la variable; todas las variables aportan

para el modelo.
 No hay problema de multicolinealidad
 9

Regresión lineal
 10

Estadísticos descriptivos
Desv.
Media Desviación N
Expansion_m2_Y 218,26 79,467 23
DerramePb_Lt_X1 678,5139 411,14915 23
Temperatura_C°_X2 30,04 7,553 23
Tiempo_h_X3 6,83 1,696 23

Correlaciones
Expansion Derrame Temperatura Tiempo
_m2_Y Pb_Lt_X1 _C°_X2 _h_X3
Correlación de Expansion_m2_Y 1,000 ,421 ,589 ,520
Pearson DerramePb_Lt_X1 ,421 1,000 ,062 ,015
Temperatura_C°_X2 ,589 ,062 1,000 ,210
Tiempo_h_X3 ,520 ,015 ,210 1,000
Sig. (unilateral) Expansion_m2_Y . ,023 ,002 ,005
DerramePb_Lt_X1 ,023 . ,389 ,473
Temperatura_C°_X2 ,002 ,389 . ,168
Tiempo_h_X3 ,005 ,473 ,168 .
N Expansion_m2_Y 23 23 23 23
DerramePb_Lt_X1 23 23 23 23
Temperatura_C°_X2 23 23 23 23
Tiempo_h_X3 23 23 23 23
 11

Resumen el modelo

Resumen del modelob

R cuadrado Error estándar de la
Modelo R R cuadrado Durbin-Watson
ajustado estimación
1 ,812a ,659 ,606 49,898 2,136
a. Predictores: (Constante), Tiempo_h_X3, DerramePb_Lt_X1, Temperatura_C°_X2
b. Variable dependiente: Expansion_m2_Y

 Las variables independientes aportan en un 60.6%

 La independencia de los residuos ( el valor optimo es 2.00) : según

Durbin Watson esta muy bien = 2.136,

ANOVAa
Suma de Media
Modelo gl F Sig.
cuadrados cuadrática
1 Regresión 91623,263 3 30541,088 12,266 ,000b
Residuo 47307,172 19 2489,851
Total 138930,435 22
a. Variable dependiente: Expansion_m2_Y
b. Predictores: (Constante), Tiempo_h_X3, DerramePb_Lt_X1, Temperatura_C°_X2

El modelo de regresión es significativo

Coeficientesa
Coeficientes no Coeficientes Estadísticas de
estandarizados estandarizados colinealidad
Desv.
Modelo B Error Beta t Sig. Tolerancia VIF
1 (Constante) -115,903 57,660 - ,059
2,010
DerramePb_Lt_X1 ,074 ,026 ,385 2,870 ,010 ,996 1,004
Temperatura_C°_X2 5,034 1,443 ,478 3,488 ,002 ,952 1,050
Tiempo_h_X3 19,400 6,414 ,414 3,024 ,007 ,956 1,046
a. Variable dependiente: Expansion_m2_Y

El VIF indica que no hay problema de colinealidad

 12

Modelo

Expansion_m2_Y = -115,903 + ,074 DerramePb_Lt_X1 +

5,034 Temperatura_C°_X2 + 19,400 Tiempo_h_X3

Todas las variables son significativos

Diagnósticos por casosa

Expansion_m2_ Valor
Número del caso Desv. Residuo Y pronosticado Residuo
1 ,069 330 326,57 3,429
2 -1,692 120 204,44 -84,440
3 1,129 360 303,66 56,336
4 -,089 270 274,44 -4,444
5 -,609 220 250,39 -30,393
6 1,020 170 119,09 50,915
7 -1,717 70 155,69 -85,691
8 ,011 210 209,44 ,564
9 ,724 200 163,87 36,130
10 1,318 300 234,23 65,774
11 1,111 290 234,57 55,428
12 ,018 70 69,08 ,915
13 -,577 150 178,81 -28,812
14 -,182 190 199,09 -9,093
15 1,383 240 170,99 69,008
16 -,535 100 126,70 -26,704
17 -,116 250 255,77 -5,766
18 -,504 210 235,17 -25,167
19 ,122 280 273,94 6,063
20 -1,567 230 308,17 -78,168
21 -,701 210 244,99 -34,990
22 ,347 230 212,68 17,318
23 1,038 320 268,21 51,786
a. Variable dependiente: Expansion_m2_Y
 13

Los datos son no simetricos

El gráfico que se encuentra tienen una tendencia normal

 14

Los residuos deben acercarse a la línea de regresión

La distribución de los residuos se encuentran normal

Los residuos deben tener una distribución aleatoria; es decir no

deben tener ningún tipo de tendencia
 15

Obedecen a los criterios de D Watson sobre la

independencia de independencia
 16

Conclusión

Modelo es bueno por que todas las variables aportan na dicho

modelo.

Expansion_m2_Y = -115,903 + ,074 DerramePb_Lt_X1 +

5,034 Temperatura_C°_X2 + 19,400 Tiempo_h_X3