Análisis de Regresión

con Variables Binarias

 Variables Dicotómicas
 En el análisis de regresión, ocurre a menudo que la
variable dependiente es influenciada por variables
cualitativas, ej.: sexo, religión, nacionalidad, etc.

 Estas variables generalmente indican la presencia o

ausencia de una cualidad o atributo (ej.: hombre o
mujer, católico o no católico, urbano o rural, etc).

 Un método para cuantificar estos atributos consiste en

construir variables artificiales que toman valores de 1 ó
0, donde 0 indica la ausencia de un atributo y 1 indica la
posesión de ese atributo.
 Variables Dicotómicas
 Ejemplo:

 En el caso del sexo se puede asignar 1 si la persona

es hombre y 0 si la persona es mujer.

 Las variables que asumen los valores 1 y 0 se

denominan variables dicotómicas o dummy o
binaria.
Yi  1   2 X 1   3 X 2  

Ejercicio
 Una empresa que ofrece servicios de contabilidad a
empresas mineras y de otros sectores productivos
desea poder estimar el tiempo medio y predecir el
tiempo que un auditor necesita para construir el
balance trimestral a cada una de las empresas. Se cree
que es adecuado el siguiente modelo:

Yi  1   2 X 1   3 X 2  
 donde Y es el tiempo en semanas de elaboración de
los balances, X1 variable binaria (1 si se trata de una
empresa minera y 0 si se trata de la empresa de otro
sector); X2 es la cantidad de años de experiencia del
contador
Yi  1   2 X 1   3 X 2  

Ejercicio
 Se seleccionan al azar 10 contadores distintos y a cada
uno de ellos se le asigna al azar la construcción del
balance trimestral de una empresa minera o de una
empresa de otro sector productivo. Se obtuvieron los
siguientes datos:
Tiempo Empresa Experiencia
2 Minera 2
1,8 Minera 4
0,8 Otro Sector 12
1,1 Minera 12
1 Otro Sector 8
1,5 Otro Sector 2
1,7 Minera 6
1,2 Otro Sector 5
1,4 Minera 9
1,2 Otro Sector 7
Resultados de la Regresión
Dependent Variable: TIEMPO
Method: Least Squares
Date: 06/25/08 Time: 09:38
Sample: 1 10
Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.

C 1.679390 0.049982 33.60020 0.0000

EMPRESA 0.444136 0.041107 10.80446 0.0000
EXPERIENCIA -0.079322 0.005981 -13.26283 0.0000

R-squared 0.977290 Mean dependent var 1.370000

Adjusted R-squared 0.970801 S.D. dependent var 0.380205
S.E. of regression 0.064968 Akaike info criterion -2.386523
Sum squared resid 0.029546 Schwarz criterion -2.295747
Log likelihood 14.93261 F-statistic 150.6169
Durbin-Watson stat 2.242885 Prob(F-statistic) 0.000002