ANLISIS DE REGRESIN LINEAL.

Se tiene dos variables numricas( X e Y ) y se desea buscar una relacin lineal entre
esas dos variables, osea el modelo que se busca es de la forma:
Modelo: Y =
0

!
X (")
#ste es el modelo que se su$one relaciona a las variables X e Y a nivel
$oblacional%
0
y
!
son los $ar&metros $oblacionales desconocidos que se estiman a
$artir de una muestra aleatoria de tama'o n, de la forma: ( (
i
, y
i
) , i = !, ))%%, n
*on los datos de la muestra entonces se obtiene: Y = b
0
b
!
X
+ota: ,o que se obtiene en el modelo(") es una estimacin de la media de Y( Y )
#l modelo lo $odemos escribir como: Y =
0

!
X
-ara que $uede servir el tener una .ecuacin. que relacione a Y con X%
!%/ -redecir el com$ortamiento de la res$uesta Y, dado un $articular valor de la
variable $redictora X%
0%/ #valuar asociacin entre la variable res$uesta y las variable e($licatoria%
*omo las variables( X e Y) son numricas, la muestra ( (
i
, y
i
) , i = !, ))%%, n
re$resenta un con1unto de $untos en el $lano, que se denomina dia2rama de dis$ersin%
Y = b
0
b
!
X, re$resenta una recta del $lano%
Recta de Ajuste.
#l $roblema entonces consiste en encontrar la recta que me1or se .a1usta. a los
$untos del $lano3 es decir la recta que $asa .m&s cerca. de los $untos dados% #sta recta se
denomina recta de a1uste a los $untos dados%
!
DIAGRAMA DE DISPERSIN
X
Y
Si se quiere que la recta $ase lo m&s cerca $osible de todos los $untos, los valores b
0
y b
!
se deben obtener de las si2uientes e($resiones:
*onociendo b
0
y b
!
, se tiene la recta buscada%
#1em$lo: Se desea conocer la $osible relacin lineal entre la edad (en a'os) de un
camin y los 2astos en mantencin anual de cada uno de ellos ( en cientos de dlares)% Se
toma una muestra y se obtiene lo si2uiente:
4'os de anti25edad 6 7 7 !
8asto en mantencin 9 9 : ;

Si lo que se desea es estimar el 2asto dada la anti25edad, se $uede desi2nar con X la
variable a'os de anti25edad y con Y la variable 2asto en mantencin%
,a informacin necesaria $ara $lantear el sistema de ecuaciones normales es:
*amin X
i
Y
i
XiYi X
i
0
! 6 9 76 06
0 7 9 0! <
7 7 : != <
; ! ; ; !
>otal !0 0; 9= ;;
0
RECTA DE AJUSTE
X
Y
( )
0
0
!




=
i i
i i i i
x x n
y x y x n
b
x b y b =
! 0
4l ?acer los c&lculos se tiene: b
0
= 7%96 y b
!
= 0%96
,a recta de a1uste a los datos es entonces: Y
@ = 7%96 0%96 X
Interpretacin de b
0
y b
1
.
b
0
re$resenta el $unto en que la recta de a1uste corta al e1e Y%
b
!
re$resenta el incremento que e($erimenta la media de Y, cuando X aumenta en
una unidad%
Medida de Asciacin.
,a si2uiente es una medida de asociacin entre las variables X e Y%
!e"iciente de crre#acin de $earsn r
#l coeficiente de correlacin se $uede calcular como:
r=
0
! !
0
!
) ( ) (
) )( (
Y Y X X
Y Y X X
i
n
i
n
i
i
i i
n
i

= =
=
= =
( ) ( )
0 0
! !
0 0
!
) ( ) (
) ( ) (
Y n Y X n X
Y X n Y X
i
n
i
n
i
i
i i
n
i

= =
=
4l analiAar la e($resin anterior, se tiene que: / ! r !3 r % 0 , indica que X
e Y son variables inde$endientes% +o ?ay asociacin entre las dos variables%
4dem&s si, 0 B r 0%6 , se ?abla de relacin lineal dbil%
Si, 0%6 B r 0%= , se ?abla de relacin lineal media%
Si, 0%= B r B ! , se ?abla de relacin lineal fuerte%
Si, r = ! relacin lineal $erfecta%
Si r es ne2ativo, la inter$retacin es la misma, $ero, se ?abla de relacin
lineal inversa%
#1em$lo: #n el caso de la anti25edad y el 2asto de los camiones se tiene:
X = 7, Y = :%
r =
7: ; !60 < ; ;=
: 7 ; 9=


=
;=
:
= 0%=::
E&ER!I!I'S
!%/ Se tiene los 2astos de consumo ( Y ) $or familia e in2reso familiar ( X ), en
dClares semanales, de una muestra de !0 familias:
Y 90 :6 <0 <6 !!0 !!6 !00 !;0 !66 !60
7
X =0 !00 !00 !;0 !:0 !=0 000 000 0;0 0:0
a) 41uste una recta a los datos ( Des$% Y = 0;%;: 0%6! X )
b) #stime los 2astos $romedios de consumo de una familia con un in2reso semanal
de !60 dClares%
c) Eetermine el coeficiente de correlaciCn%
d) Fnter$rete b
o
y b
!
0%/ ,os si2uientes datos corres$onden a las ventas mensuales ( Y ) y la e($eriencia
en ventas ( X ), de un 2ru$o de !0 vendedores%
Y 6 : ; 6 9 !0 7 !! ; <
X ; 6 0 6 : 9 ! = 7 9
a) 41uste una recta a los datos%
a b) *alcule el coeficiente de correlacin%
b c) #stime las ventas mensuales $ara un vendedor que tiene < a'os de e($eriencia en
ventas%
7%/ *on el ob1eto de estimar la funciCn de costo total * (G millones) con res$ecto a
la $roducciCn total H ( en miles de unidades), un fabricante ?a obtenido los si2uientes datos
de una muestra:
H !0 00 70 ;0 60 :0 90 =0
* 70 7: ;0 ;= 60 6; :: :=
a) Eibu1ar el dia2rama de dis$ersiCn
b) 41uste una recta a los datos%
c) #stime el costo total, si se $roduce ;0 000 unidades
d) *alcule el coeficiente de correlacin%
;%/ #n un estudio sobre cierto ti$o de estrs laboral $ara individuos con determinada
$rofesin, se toma una muestra de : $rofesionales, a quienes se le mide el $unta1e en el
item I *ansancio emocional J y el Itiem$o de traba1oJ que llevan% ,os resultados se
$resentan en la si2uiente tabla:
-rofesional ! 0 7 ; 6 :
-unta1e en cansancio emocional !: !< 00 0! 0; 06
>iem$o de traba1o(en a'os) 7 9 !0 !7 != 00

a) 41uste una recta a los datos%
b) #stime el $unta1e en cansancio emocional $ara un $rofesional que ten2a !6 a'os de
tiem$o en el traba1o%
c) *alcule e inter$rete el coeficiente de correlacin%
REGRESIN LINEAL EN SPSS.
Problema: Se desea ajustar un modelo lineal a los siguientes datos de una muestra de 20
personas.:
PAS: Presin arterial sistlica de la persona ( variable respuesta)
;
EDAD: Edad en aos de la persona ( variable e!plicatoria)
*K,: +ivel de colesterol total de la $ersona% ( variable e($licatoria)%
S#XK: ! Masculino, 0 Lemenino ( variable e($licatoria )
-DKM,#M4:
!%/ 41uste un modelo con -4S como variable de$endiente (res$uesta) y *K, como variable
inde$endiente ( e($licatoria)%
0%/ 41uste un modelo con -4S como variable de$endiente (res$uesta) y #E4E como
variable inde$endiente ( e($licatoria)%
7%/ 41uste un modelo con -4S como variable de$endiente (res$uesta) y *K,, #E4E y
S#XK como variables inde$endientes ( e($licatorias)%
;%/ 4naliAar la salida com$utacional en cada caso%
SK,N*FO+, -DKM,#M4 !/
6
,4 S4,FE4 #S:
:
Regression
Variables Enere!"Re#o$e!
b
"#$
a
. Enter
%odel
&
'ariables
Entered
'ariables
(emoved %et)od
All re*uested variables entered.
a.
Dependent 'ariable: PAS
b.
Mo!el S%##ar&
+,&-
a
+..& +./2 0+,122,
%odel
&
( ( S*uare
Adjusted
( S*uare
Std. Error o3
t)e Estimate
Predictors: ("onstant)+ "#$
a.
AN'VA
b
2&,/+/,0 & 2&,/+/,0 -2+0., +000
a
&&2&+200 &, .2+21-
--02+020 &1
(egression
(esidual
4otal
%odel
&
Sum o3
S*uares d3 %ean S*uare 5 Sig.
Predictors: ("onstant)+ "#$
a.
Dependent 'ariable: PAS
b.
Coe((i)iens
a
20+-.2 &2+&,/ /+00, +000
+-&0 +02/ +,&- 2+122 +000
("onstant)
"#$
%odel
&
6 Std. Error
7nstandardi8ed
"oe33icients
6eta
Standardi8ed
"oe33icients
t Sig.
Dependent 'ariable: PAS
a.
-DKM,#M4 0%/
9

Regression
Variables Enere!"Re#o$e!
b
EDAD
a
. Enter
%odel
&
'ariables
Entered
'ariables
(emoved %et)od
All re*uested variables entered.
a.
Dependent 'ariable: PAS
b.
Mo!el S%##ar&
+.2&
a
+/2/ +-12 &0+2,000
%odel
&
( ( S*uare
Adjusted
( S*uare
Std. Error o3
t)e Estimate
Predictors: ("onstant)+ EDAD
a.
AN'VA
b
&/00+../ & &/00+../ &-+2-/ +002
a
&102+0,. &, &02+,-,
--02+020 &1
(egression
(esidual
4otal
%odel
&
Sum o3
S*uares d3 %ean S*uare 5 Sig.
Predictors: ("onstant)+ EDAD
a.
Dependent 'ariable: PAS
b.
Coe((i)iens
a
&0-+010 0+/&0 &-+100 +000
+..0 +&,2 +.2& -+.-, +002
("onstant)
EDAD
%odel
&
6 Std. Error
7nstandardi8ed
"oe33icients
6eta
Standardi8ed
"oe33icients
t Sig.
Dependent 'ariable: PAS
a.
-DKM,#M4 7%/
=
Regression
Variables Enere!"Re#o$e!
b
SE9#+
EDAD+
"#$
a
. Enter
%odel
&
'ariables
Entered
'ariables
(emoved %et)od
All re*uested variables entered.
a.
Dependent 'ariable: PAS
b.
Mo!el S%##ar&
+,01
a
+00- +0-0 .+,2/1.
%odel
&
( ( S*uare
Adjusted
( S*uare
Std. Error o3
t)e Estimate
Predictors: ("onstant)+ SE9#+ EDAD+ "#$
a.
<
AN'VA
b
222-+10- - ,2&+-0& &,+&&. +000
a
02&+,/0 &. /.+110
--02+020 &1
(egression
(esidual
4otal
%odel
&
Sum o3
S*uares d3 %ean S*uare 5 Sig.
Predictors: ("onstant)+ SE9#+ EDAD+ "#$
a.
Dependent 'ariable: PAS
b.
Coe((i)iens
a
.1+,2. &2+/&2 2+.2/ +000
+&,2 +0.1 +/.0 2+.2. +0&,
+-0. +&/2 +-0& 2+21& +020
.+2-0 -+1., +22/ &+./0 +&&1
("onstant)
"#$
EDAD
SE9#
%odel
&
6 Std. Error
7nstandardi8ed
"oe33icients
6eta
Standardi8ed
"oe33icients
t Sig.
Dependent 'ariable: PAS
a.
A:#(A SE A;7S4A(< E$ %=S%# %#DE$#+ PE(# SE 7SA(< E$ %>4#D#
S4EP?=SE.
,4 S4,FE4 #S:
!0
Regression
Variables Enere!"Re#o$e!
a
"#$ .
Step@ise
("riteria:
Probabilit
ABo3B
5BtoBenter
CD +020+
Probabilit
ABo3B
5BtoBremo
ve ED
+&00).
EDAD .
Step@ise
("riteria:
Probabilit
ABo3B
5BtoBenter
CD +020+
Probabilit
ABo3B
5BtoBremo
ve ED
+&00).
%odel
&
2
'ariables
Entered
'ariables
(emoved %et)od
Dependent 'ariable: PAS
a.
Mo!el S%##ar&
+,&-
a
+..& +./2 0+,122,
+,20
b
+0-/ +00- 0+&12&2
%odel
&
2
( ( S*uare
Adjusted
( S*uare
Std. Error o3
t)e Estimate
Predictors: ("onstant)+ "#$
a.
Predictors: ("onstant)+ "#$+ EDAD
b.
!!
AN'VA
)
2&,/+/,0 & 2&,/+/,0 -2+0., +000
a
&&2&+200 &, .2+21-
--02+020 &1
2/2.+-1, 2 &2&-+&11 2-+/2/ +000
b
,01+-22 &0 2&+020
--02+020 &1
(egression
(esidual
4otal
(egression
(esidual
4otal
%odel
&
2
Sum o3
S*uares d3 %ean S*uare 5 Sig.
Predictors: ("onstant)+ "#$
a.
Predictors: ("onstant)+ "#$+ EDAD
b.
Dependent 'ariable: PAS
c.
Coe((i)iens
a
20+-.2 &2+&,/ /+00, +000
+-&0 +02/ +,&- 2+122 +000
21+2&2 &&+&-2 2+-&, +000
+22/ +020 +.20 /+/2- +000
+-20 +&/, +-&. 2+&.- +0/2
("onstant)
"#$
("onstant)
"#$
EDAD
%odel
&
2
6 Std. Error
7nstandardi8ed
"oe33icients
6eta
Standardi8ed
"oe33icients
t Sig.
Dependent 'ariable: PAS
a.
E*)l%!e! Variables
)
+-&.
a
2+&.- +0/2 +/./ +0-/
+&.&
a
+120 +-.0 +2&1 +.-&
+22/
b
&+./0 +&&1 +-,& +210
EDAD
SE9#
SE9#
%odel
&
2
6eta =n t Sig.
Partial
"orrelation 4olerance
"ollinearitA
Statistics
Predictors in t)e %odel: ("onstant)+ "#$
a.
Predictors in t)e %odel: ("onstant)+ "#$+ EDAD
b.
Dependent 'ariable: PAS
c.
!0