28
Y =Precio X1=Area X2=Antigüedad 98 2.3 2 76 2.4 6 152 3.4 8 164 3.2 11 230 5.7 9 210 5.3 11 200 5.1 12 182 4.8 22 300 6.4 8 192 5.4 17 360 9.1 18 464 10.4 12 Matriz de Correlacio Columna 1 Columna 2 Columna 1 1 Columna 2 0.978506186949321 1 Columna 3 0.359049543819996 0.463793009657661 Columna 4 0.701647844933706 0.618229278478095 Correlacion entre Xi X Menor Correlacion entre X1.X2 0.4638 0.35 X1.X3 0.6182 0.70 X2.X3 0.3182 0.35 Existe MULTICOLINEALIDAD ENTRE X1 y X2 Area y Posibles Modelos a Analizar R^2 ajustado Regresion Y con X1 0.95322179368791 Regresion Y con X2 0.0418082324090816 Regresion Y con X3 0.441540668130125 Regresion Y con X1.X3 0.966526287324814 Regresion Y con X2.X3 0.404566704442827 Regresion Y con X1 Resumen Estadísticas de la regresión Coeficiente de 0.978506186949321 Coeficiente de 0.9574743578981 R^2 ajustado 0.95322179368791

Ejemplo Regresion Lineal Multiple 1

Embed Size (px)

Citation preview

Page 1: Ejemplo Regresion Lineal Multiple 1

Y =Precio X1=Area X2=Antigüedad X3=Pisos

98 2.3 2 1

76 2.4 6 1

152 3.4 8 2

164 3.2 11 2

230 5.7 9 1

210 5.3 11 2

200 5.1 12 2

182 4.8 22 2

300 6.4 8 2

192 5.4 17 1

360 9.1 18 2

464 10.4 12 3

Matriz de CorrelacionesColumna 1 Columna 2 Columna 3

Columna 1 1Columna 2 0.978506186949321 1Columna 3 0.359049543819996 0.463793009657661 1Columna 4 0.701647844933706 0.618229278478095 0.318185622650808

Correlacion entre Xi Xj Menor Correlacion entre (Y con Xi) y (Y con Xj)X1.X2 0.4638 0.3590X1.X3 0.6182 0.7016X2.X3 0.3182 0.3590

Existe MULTICOLINEALIDAD ENTRE X1 y X2 Area y Antigüedad

Posibles Modelos a Analizar R^2 ajustadoRegresion Y con X1 0.95322179368791Regresion Y con X2 0.0418082324090816Regresion Y con X3 0.441540668130125Regresion Y con X1.X3 0.966526287324814Regresion Y con X2.X3 0.404566704442827

Regresion Y con X1Resumen

Estadísticas de la regresiónCoeficiente de co 0.978506186949321Coeficiente de d 0.9574743578981R^2 ajustado 0.95322179368791

Page 2: Ejemplo Regresion Lineal Multiple 1

Error típico 23.6685189341611Observaciones 12

ANÁLISIS DE VARIANZAGrados de libertad Suma de cuadrados Promedio de los cuadrados

Regresión 1 126130.012114633 126130.012114633Residuos 10 5601.98788536744 560.198788536744Total 11 131732

Coeficientes Error típico Estadístico tIntercepción -9.66079028855518 16.7005163598086 -0.578472550214363X1=Area 43.2114879285459 2.87979176075341 15.0050738103511

Regresion Y con X2Resumen

Estadísticas de la regresiónCoeficiente de co 0.359049543819996Coeficiente de d 0.128916574917347R^2 ajustado 0.0418082324090816Error típico 107.12122187176Observaciones 12

ANÁLISIS DE VARIANZAGrados de libertad Suma de cuadrados Promedio de los cuadrados

Regresión 1 16982.4382470119 16982.4382470119Residuos 10 114749.561752988 11474.9561752988Total 11 131732

Coeficientes Error típico Estadístico tIntercepción 138.266932270916 73.2141597878537 1.88852720118021X2=Antigüedad 7.12350597609562 5.85557150543611 1.2165347087782

Regresion Y con X3Resumen

Estadísticas de la regresiónCoeficiente de co 0.701647844933706Coeficiente de d 0.492309698300114R^2 ajustado 0.441540668130125Error típico 81.7796177684449Observaciones 12

ANÁLISIS DE VARIANZA

Page 3: Ejemplo Regresion Lineal Multiple 1

Grados de libertad Suma de cuadrados Promedio de los cuadradosRegresión 1 64852.9411764706 64852.9411764706Residuos 10 66879.0588235294 6687.90588235294Total 11 131732

Coeficientes Error típico Estadístico tIntercepción 2.8235294117647 73.324973834117 0.0385070633390523X3=Pisos 123.529411764706 39.6689414214044 3.11400827293195

Regresion Y con X1.X3Resumen

Estadísticas de la regresiónCoeficiente de co 0.986211142150666Coeficiente de d 0.97261241690212 MODELO SELECCIONADO

R^2 ajustado 0.966526287324814Error típico 20.0217134815899Observaciones 12

ANÁLISIS DE VARIANZAGrados de libertad Suma de cuadrados Promedio de los cuadrados

Regresión 2 128124.17890335 64062.0894516751Residuos 9 3607.8210966499 400.869010738878Total 11 131732

Coeficientes Error típico Estadístico tIntercepción -35.2744725837522 18.2061329676011 -1.93750494113852X1=Area 38.937837710849 3.09934489849584 12.5632477139754X3=Pisos 27.5590941126721 12.3562145448178 2.23038326282788

Regresion Y con X2.X3Resumen

Estadísticas de la regresiónCoeficiente de co 0.716119615451944Coeficiente de d 0.51282730363504R^2 ajustado 0.404566704442827Error típico 84.4434285566042Observaciones 12

ANÁLISIS DE VARIANZAGrados de libertad Suma de cuadrados Promedio de los cuadrados

Regresión 2 67555.7663624511 33777.8831812256Residuos 9 64176.2336375489 7130.69262639432

Y ESTIMADO = -35.27447258 + 38.93783771X1 +2755909411X2

Page 4: Ejemplo Regresion Lineal Multiple 1

Total 11 131732

Coeficientes Error típico Estadístico tIntercepción -16.3379400260756 81.8607209458509 -0.199582166358916X2=Antigüedad 2.99765319426336 4.86898309156032 0.61566309389313X3=Pisos 115.065449804433 43.2065938425288 2.66314558893028

Page 5: Ejemplo Regresion Lineal Multiple 1

Matriz de CorrelacionesColumna 4

1

Page 6: Ejemplo Regresion Lineal Multiple 1

F Valor crítico de F225.15224005408 3.48494686E-08

Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%0.5757407178857 -46.87185963808 27.550279061 -46.87185963808 27.55027906097

3.48494686E-08 36.794912020781 49.6280638363 36.794912020781 49.62806383631

F Valor crítico de F1.479956697662 0.2517149001348

Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%0.0882758576008 -24.86438166793 301.39824621 -24.86438166793 301.39824620980.2517149001348 -5.92352039575 20.1705323479 -5.92352039575 20.17053234794

Page 7: Ejemplo Regresion Lineal Multiple 1

F Valor crítico de F9.6970475238886 0.0109854535706

Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%0.9700413016237 -160.5546936089 166.201752432 -160.5546936089 166.20175243240.0109854535706 35.141502166507 211.917321363 35.141502166507 211.9173213629

MODELO SELECCIONADO

F Valor crítico de F159.80803637976 9.310900535E-08

Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%0.0846475068722 -76.45960668327 5.91066151576 -76.45960668327 5.9106615157635.204635503E-07 31.926632448735 45.949042973 31.926632448735 45.949042972960.0526638230195 -0.392605124959 55.5107933503 -0.392605124959 55.5107933503

F Valor crítico de F4.7369708597726 0.0393163534848

= -35.27447258 + 38.93783771X1 +2755909411X2

Page 8: Ejemplo Regresion Lineal Multiple 1

Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%0.8462438111763 -201.5197562656 168.843876213 -201.5197562656 168.84387621340.5533653991626 -8.016751781853 14.0120581704 -8.016751781853 14.012058170380.0259118744783 17.325344063444 212.805555545 17.325344063444 212.8055555454

Page 9: Ejemplo Regresion Lineal Multiple 1

Resumen

Estadísticas de la regresiónCoeficiente de correlación múltiple 0.978506186949321Coeficiente de determinación R^2 0.9574743578981R^2 ajustado 0.95322179368791Error típico 23.6685189341611Observaciones 12

ANÁLISIS DE VARIANZAGrados de libertad Suma de cuadrados

Regresión 1 126130.012114633Residuos 10 5601.98788536744Total 11 131732

Coeficientes Error típicoIntercepción -9.66079028855518 16.7005163598086X1=Area 43.2114879285459 2.87979176075341

Page 10: Ejemplo Regresion Lineal Multiple 1

Promedio de los cuadrados F Valor crítico de F126130.012114633 225.15224 3.48494686E-08560.198788536744

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%-0.578472550214363 0.57574072 -46.87185963808 27.5502791 -46.871859638

15.0050738103511 3.48495E-08 36.794912020781 49.6280638 36.7949120208

Page 11: Ejemplo Regresion Lineal Multiple 1

Superior 95.0%27.5502790609749.62806383631

Page 12: Ejemplo Regresion Lineal Multiple 1

Resumen

Estadísticas de la regresiónCoeficiente de correlación múltiple 0.359049543819996Coeficiente de determinación R^2 0.128916574917347R^2 ajustado 0.041808232409082Error típico 107.12122187176Observaciones 12

ANÁLISIS DE VARIANZAGrados de libertad Suma de cuadrados

Regresión 1 16982.4382470119Residuos 10 114749.561752988Total 11 131732

Coeficientes Error típicoIntercepción 138.266932270916 73.2141597878537X2=Antigüedad 7.12350597609562 5.85557150543611

Page 13: Ejemplo Regresion Lineal Multiple 1

Promedio de los cuadrados F Valor crítico de F16982.4382470119 1.4799566977 0.251714900134811474.9561752988

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%1.88852720118021 0.0882758576 -24.86438166793 301.398246 -24.864381668

1.2165347087782 0.2517149001 -5.92352039575 20.1705323 -5.9235203958

Page 14: Ejemplo Regresion Lineal Multiple 1

Superior 95.0%301.398246209820.17053234794

Page 15: Ejemplo Regresion Lineal Multiple 1

Resumen

Estadísticas de la regresiónCoeficiente de correlación múltiple 0.701647844933706Coeficiente de determinación R^2 0.492309698300114R^2 ajustado 0.441540668130125Error típico 81.7796177684449Observaciones 12

ANÁLISIS DE VARIANZAGrados de libertad Suma de cuadrados

Regresión 1 64852.9411764706Residuos 10 66879.0588235294Total 11 131732

Coeficientes Error típicoIntercepción 2.8235294117647 73.324973834117X3=Pisos 123.529411764706 39.6689414214044

Page 16: Ejemplo Regresion Lineal Multiple 1

Promedio de los cuadrados F Valor crítico de F64852.9411764706 9.6970475239 0.01098545357066687.90588235294

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%0.0385070633390523 0.9700413016 -160.5546936089 166.201752 -160.55469361

3.11400827293195 0.0109854536 35.141502166507 211.917321 35.1415021665

Page 17: Ejemplo Regresion Lineal Multiple 1

Superior 95.0%166.2017524324211.9173213629

Page 18: Ejemplo Regresion Lineal Multiple 1

Resumen

Estadísticas de la regresiónCoeficiente de correlación múltiple 0.992623886327424Coeficiente de determinación R^2 0.985302179707759R^2 ajustado 0.979790497098168Error típico 15.5570452799428Observaciones 12

ANÁLISIS DE VARIANZAGrados de libertad Suma de cuadrados

Regresión 3 129795.826737262Residuos 8 1936.17326273753Total 11 131732

Coeficientes Error típicoIntercepción -21.5102642323782 15.0846806362254Variable X 1 41.3678067386247 2.57961330924998Variable X 2 -2.52524564541743 0.960856100160233Variable X 3 28.7000405077449 9.61069620079195

Page 19: Ejemplo Regresion Lineal Multiple 1

Promedio de los cuadrados F Valor crítico de F43265.2755790875 178.76613178 1.141677899E-07242.021657842192

Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%-1.42596749318789 0.1917099971 -56.29560015775 13.2750717 -56.2956002 13.275071716.0364371629995 2.293229E-07 35.419207780267 47.3164057 35.4192078 47.3164057

-2.62812053230064 0.0302663759 -4.740983785723 -0.30950751 -4.74098379 -0.309507512.98626029874713 0.0174331017 6.5377353265276 50.8623457 6.53773533 50.8623457

Page 20: Ejemplo Regresion Lineal Multiple 1

Superior 95.0%

Page 21: Ejemplo Regresion Lineal Multiple 1

Y =Precio X1=Area X3=Pisos

98 2.3 1

76 2.4 1

152 3.4 2

164 3.2 2

230 5.7 1

210 5.3 2

200 5.1 2

182 4.8 2

300 6.4 2

192 5.4 1

360 9.1 2

464 10.4 3

Resumen

Estadísticas de la regresiónCoeficiente d 0.986211142150666Coeficiente 0.97261241690212R^2 ajustado 0.966526287324814Error típico 20.0217134815899Observacione 12

ANÁLISIS DE VARIANZAGrados de libertad Suma de cuadrados Promedio de los cuadrados F

Regresión 2 128124.17890335 64062.0894516751 159.80803638Residuos 9 3607.8210966499 400.869010738878Total 11 131732

Coeficientes Error típico Estadístico t ProbabilidadIntercepción -35.2744725837522 18.2061329676011 -1.93750494113852 0.0846475069X1=Area 38.937837710849 3.09934489849584 12.5632477139754 5.204636E-07X3=Pisos 27.5590941126721 12.3562145448178 2.23038326282788 0.052663823

Page 22: Ejemplo Regresion Lineal Multiple 1

Valor crítico de F9.310900535E-08

Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%-76.45960668327 5.9106615158 -76.459606683 5.91066151576331.926632448735 45.949042973 31.9266324487 45.94904297296-0.392605124959 55.51079335 -0.392605125 55.5107933503

Page 23: Ejemplo Regresion Lineal Multiple 1

Y =Precio X2=Antigüedad X3=Pisos

98 2 1

76 6 1

152 8 2

164 11 2

230 9 1

210 11 2

200 12 2

182 22 2

300 8 2

192 17 1

360 18 2

464 12 3

Resumen

Estadísticas de la regresiónCoeficiente de correlación mú0.7161196154519Coeficiente de determinació 0.512827303635R^2 ajustado 0.4045667044428Error típico 84.443428556604Observaciones 12

ANÁLISIS DE VARIANZAGrados de libertad Suma de cuadrados Promedio de los cuadrados

Regresión 2 67555.7663624511 33777.8831812256Residuos 9 64176.2336375489 7130.69262639432Total 11 131732

Coeficientes Error típico Estadístico tIntercepción -16.33794002608 81.8607209458509 -0.199582166358916X2=Antigüedad 2.9976531942634 4.86898309156032 0.61566309389313X3=Pisos 115.06544980443 43.2065938425288 2.66314558893028

Page 24: Ejemplo Regresion Lineal Multiple 1

F Valor crítico de F4.7369708598 0.0393163534848

Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%0.8462438112 -201.5197562656 168.84387621 -201.51975627 168.84387621340.5533653992 -8.016751781853 14.01205817 -8.0167517819 14.012058170380.0259118745 17.325344063444 212.80555555 17.3253440634 212.8055555454