UNIVERSIDAD DE CUENCA

FACULTAD DE CIENCIAS
ECONOMICAS Y ADMINISTRATIVAS

INTEGRANTES
ANA ENCARNACIÓN
MARINA GUANUCHI
STEFANNY JIMÉNEZ
CESAR OTORONGO
DAVID SINCHI
KARLA YANZA
IRENE ZHININ

CURSO

ADMINISTRACION DE EMPRESAS 04-02

DOCENTE

ING. ELEC. EDGAR BECERRA PALACIOS

MATERIA

ESTADISTICA IV

TEMA
CORRELACIÓN Y REGRESIÓN MÚLTIPLE
 1. INTRODUCCIÓN

En el capítulo anterior se aplicó los conceptos del modelo de regresión lineal simple,
donde analizó la relación que tenían dos variables, la una dependiente, Y, y la otra
independiente, X, es decir, se buscaba analizar la influencia que ejercía la variable
independiente para que se den cambios en la dependiente.
Ahora en este capítulo se analizará la correlación y regresión lineal múltiple, en donde
se incluyen más de una variable independiente, pues se sabe que cuando se analiza la
correlación existente entre dos variables el resultado puede ser muy poco confiable, por
lo que en la regresión múltiple se realizará el análisis con una variable dependiente, Y, y
dos o más variables independientes, X1, X2, X3, Xn, con el objetivo de aportar más
información al modelo, pudiendo así realizar estimaciones más confiables y precisas.
Además se podrá analizar cuál de ellas específicamente es la que más información
significativa aporta y cuál de ellas no, esto gracias a la evaluación de los coeficientes de
regresión individuales, con ello podremos tomar decisiones, según sea el caso, de
eliminar o de incorporar una variable independiente para lograr un modelo más
significativo y confiable.
A continuación se realizara la aplicación de ejercicios de regresión múltiple con lo
aprendido en clases, para lo que se inicia con la realización de encuestas a los
estudiantes de la carrera de Administración de Empresas determinando el tamaño de la
muestra mediante la fórmula aprendida en ciclos anteriores.
 2. OBJETIVOS

Objetivo General.

Analizar si los gastos totales mensuales de las familias de una muestra de 80 alumnos de
la carrera de Administración de Empresas están relacionados con diferentes factores
como: número de integrantes, ingresos, arriendos, transporte, alimentación y servicios
básicos, en caso de que una o más variables no aporten con información, realizar la
prueba global e individual para saber cuál es la mejor alternativa para el modelo.

Objetivos Específicos.

Describir la relación entre dos o más variables independientes frente a una variable
dependiente, mediante el análisis de regresión múltiple.
Realizar una prueba global e individual para verificar si cada una de las variables
aportan o no con información al estudio.
 3. MARCO TEÓRICO

Análisis de Correlación y Regresión múltiple.

Procedimiento que nos permite introducir más de una variable independiente para
aumentar la exactitud del estudio en relación a la variable dependiente.

Según los autores Levin, Richard I. y Rubin, David S. en el libro de Estadística para
Administración y Economía, Séptima Edicion; indica que debemos seguir los siguientes
pasos:

1. Describir la ecuación de regresión múltiple.

2. Examinamos el error estándar de regresión múltiple de estimación
3. Utilizamos el análisis de correlación múltiple para determinar qué tan bien la
ecuación de regresión describe los datos observados.

Ecuación de regresión múltiple.

Formula
Y^ =b1 x 1 +b2 x 2+ b3 x 3 … bn x n

Los procedimientos para encontrar la ecuación de regresión múltiple son:

Método Determinante
Método Gauss Jordán
Método Sistemas de Ecuaciones

EVALUACIÓN DE ECUACIÓN DE REGRESIÓN MÚLTIPLE

Tabla ANOVA
La aplicación de la tabla ANOVA con los conocimientos ya aprendidos anteriormente,
con la diferencia de que al momento de calcular los grado de libertad se calcularan de
diferente manera, donde:

K: Son los grados de liberta de la regresión y a su vez son las variables independientes
del modelo.
n-(k+1): Son los grados de libertad del error, con la adición de una unidad más por la
constante encontrada en la ecuación de regresión y las variables independientes.
n-1: Son los grados de libertad del total.

Error Estándar de Estimación Múltiple

Es aquel que mide la separación de los datos del modelo, con respecto a la recta de
regresión.

∑ (Y −Y^ )2 =
S y .123 … k =
√ n−(k +1) √ SSE
n−(k +1)
Coeficiente de Determinación Múltiple

Es el porcentaje que indica la variación que tiene la variable dependiente Y. se

representa con la letra mayúscula R2 y puede variar entre [ 0 ; 1 ] y no toma valores
negativos.

 El valor que este más próximo a cero indica una relación débil entre las
variables.
 El valor más próximo a uno identifica una relación fuerte entre estas variables.

SSR
R 2=
SStotal

Coeficiente Ajustado de Determinación

Lleva el nombre de coeficiente ajustado de determinación porque se ve ajustado por los

grados de libertad (GL), teniendo en cuenta de que los valores se encuentran entre [ 0 ; 1 ].
SSE
n−(k + 1)
R2adj =1−
SS total
n−1
PRUEBA GLOBAL DEL MODELO MULTIPLE

Involucra más variables, se utiliza el estadístico Fisher (F); nos permite conocer si las
variables aportan o no aportan con información al modelo.

Para la resolución se debe seguir un procedimiento de cinco pasos:

1. Planteamiento de Hipótesis

H 0 : β1 =β2 =β3 =β k =0
H 1: β1 ≠ β2 ≠ β3 ≠ βk ≠ 0

2. Nivel de Significancia

∝:

3. Estadístico de Prueba

SSR
MSR GL
F= =
MSE SSE
GL

4. Regla de Decisión
 ∝
{
VC = GLnumerador
GL denominador

5. Toma de Decisión

Si se acepta H 0, esto nos indica que ninguna variable aporta con la información
al modelo.
Si se rechaza H 0, esto nos indica que al menos una variable aporta con la
información al modelo.

Prueba Individual
Se utiliza el estadístico de prueba t, nos permite identificar las variables que aportan
información al modelo y teniendo así la potestad de eliminar aquellas variables que no
aporten información al modelo, es decir las variables que estén dentro de la región H 0.

Para la resolución se debe seguir un procedimiento de cinco pasos:

1. Planteamiento de Hipótesis

H 0 : β1 =0 ; β2 =0 ; β3 =0 ; β k =0
H 1 : β 1 ≠ 0; β 2 ≠0 ; β 3 ≠0 ; β k ≠ 0

2. Nivel de Significancia

∝:

3. Estadístico de Prueba

b1−0 b −0 b −0 b −0
t 1= t2 = 2 t 3= 1 t k= k
Sb1 Sb 2 Sb 1 Sb k

4. Regla de Decisión

∝
{
VC= GL=n−(k +1)
dos colas

5. Toma de Decisión

Si se acepta H 0, esto nos indica que la variable analizada no aporta con la

información al modelo.
Si se rechaza H 0, esto nos indica que la variable analizada aporta con la
información al modelo.
 En el caso que alguna variable no aporte con la información al modelo se toma
algunas medidas que pueden ser: la eliminación de la variable, la sustitución con
otra variable, o la suplantación con otra variable.
EVALUACIÓN DE LAS SUPOSICIONES DE REGRESIÓN MÚLTIPLE

1. Se da una relación lineal. Podemos identificar a través de un Diagrama de

Dispersión el cual se obtiene analizando la variable dependiente con las
variables independientes, es decir cada cambio que se hace en X1; X2; X3
nuestras variables independientes, estamos creando una recta con relación a la
variable dependiente, indicando que si existe un aporte de información al
modelo.
2. Los residuos sufren una variación similar. El error que tiene cada una de las
proyecciones observadas contra la proyectada (Y −Y^ ), conforme a los cambios
que tenga la variable independiente genere el mismo residuo con respecto a la
observada.
Homoscedasticidad. El mismo valor o variación de los residuos de las variables
independientes respecto la ecuación de regresión.
3. Los residuos siguen la distribución normal. La media de los residuos va a
tender a cero siendo la mejor adaptación a la parte lineal.
4. No debe existir correlación entre variables independientes. Si existe
correlación entre las variables independientes la información se redunda
desfavoreciendo al modelo.
Multicolinealidad. Existencia de correlación en las variables independientes.
5. Los residuos son independientes. Inexistencia de correlación.

Matriz de Correlación.
Análisis de la correlación existente entre las variables independientes, indicando la
relación en cada una de estas, en un rango de -0.7 y 0.70.

VIF.
Análisis de correlación de variables independientes, la variable independiente a analizar
será la variable dependiente y el resto de variables independientes seguirán como
independientes.

Factor de inflación de la varianza.

VIF >10 → Insatisfactorio
 4. DESARROLLO

DETERMINACION DEL TAMAÑO DE LA MUESTRA

Fórmula para el cálculo de la muestra

N x Z2 x p x q
n= 2 2
e x ( N−1 )+ Z x p x q
N= Dato poblacional
Z= Nivel de confianza
p= Probabilidad de éxito, cuando no se tiene este valor se utiliza un valor de 0.5
q= Probabilidad de Fracaso, este valor se obtiene de la diferencia de 1 – p
e= Error máximo admisible, cuando no se tiene este valor se utiliza un valor entre 0.01
y 0.09

619 x 0,95 2 x 0,5 x 0,5

n= =78,88≈ 80
0,052 x ( 619−1 ) +0,952 x 0,5 x 0,5
PLANTEAMIENTO DEL EJERCICIO
Un grupo de estudiantes de Administración de Empresas 04-02 desea estimar los
gastos totales mensuales de las familias de una muestra de 80 alumnos de la misma
carrera. Mediante una investigación se determinó que los gastos totales mensuales
(Variable Dependiente) están relacionados con diferentes factores, tales como:
número de integrantes, ingresos, arriendos, transporte, alimentación y servicios
básicos; siendo estas las seis variables independientes más importantes.
Inmediatamente, se recopilaron los datos, los mismos que se presentan a
continuación:
SERVICI
N°
GAS INGRE ARRIE TRANSP ALIMENT OS
INTEGR
TOS SOS NDO ORTE ACION BASICO
ANTES
S
FAMI
Y X1 X2 X3 X4 X5 X6
LIAS
1 550 3 650 120 50 225 50
2 580 4 600 140 55 250 70
3 690 5 800 0 75 400 77
4 960 2 1000 0 168 200 115
5 430 2 550 150 30 50 35
6 990 6 1100 0 90 500 100
7 780 4 900 250 70 350 90
8 590 5 600 180 45 250 60
9 750 4 750 250 70 300 85
10 550 6 550 115 70 280 65
11 1175 5 1200 350 140 500 150
12 1460 8 1500 350 160 700 200
13 850 4 900 200 80 375 95
14 300 1 300 80 5 150 15
15 700 3 700 250 60 300 65
16 720 5 750 200 70 340 70
17 650 5 670 210 75 300 50
18 680 3 700 240 70 200 90
19 500 2 550 120 30 250 35
20 1200 5 1300 0 180 650 125
21 800 4 850 250 60 300 70
22 640 4 670 140 55 325 65
23 500 3 500 120 50 250 50
24 1250 5 1200 450 100 450 90
25 375 2 400 0 50 200 50
26 900 3 950 350 70 300 90
27 950 5 1100 0 145 450 130
28 800 4 850 250 80 250 90
29 600 3 650 180 45 225 65
30 690 6 700 140 90 400 95
31 720 3 750 160 55 275 55
32 600 4 600 200 60 300 80
33 425 2 480 90 45 200 40
34 600 5 650 0 80 370 90
35 620 5 620 130 70 420 80
36 450 3 450 80 60 240 70
37 700 4 730 0 75 300 95
38 550 2 550 100 45 250 50
39 750 4 825 150 85 350 100
40 750 3 750 80 50 270 70
41 500 7 1000 0 85 250 110
42 500 3 600 150 75 150 60
43 500 5 650 0 90 230 90
44 800 6 1000 280 120 250 90
45 600 3 750 200 70 170 70
46 500 3 700 0 100 160 75
47 650 5 900 250 95 200 65
48 300 2 400 0 90 120 40
49 450 4 600 0 85 210 75
50 850 5 900 300 120 250 80
51 600 3 700 180 70 200 65
52 600 4 750 150 90 230 70
53 550 6 650 0 110 270 90
54 450 4 550 0 100 200 75
55 600 3 700 160 80 190 70
56 600 5 850 180 80 210 85
57 650 5 850 200 95 200 90
58 450 3 600 0 78 170 55
59 550 3 650 160 96 140 50
60 500 2 600 130 86 150 45
61 650 4 750 180 74 220 65
62 450 3 600 0 85 170 60
63 550 2 650 150 87 140 50
64 550 3 650 170 65 190 65
65 750 5 900 250 100 250 95
66 600 4 750 200 98 210 80
67 500 5 700 0 76 230 95
68 850 7 1100 280 120 270 120
69 650 4 800 190 98 210 90
70 550 7 900 0 100 240 100
71 550 3 700 150 73 170 70
72 700 5 800 190 82 250 95
73 500 3 650 0 93 180 75
74 650 5 750 210 74 220 95
 75 750 5 900 230 82 240 90
76 450 4 550 0 76 220 85
77 350 2 500 0 90 150 40
78 450 2 600 160 87 140 45
79 550 4 750 0 125 210 80
80 650 3 750 180 90 190 75

a) Encontrar la ecuación de regresión múltiple, coeficiente de correlación y

construir la tabla ANOVA.

Ecuación de regresión múltiple:

ý=13,68−32,27 x 1+ 0,54 x2 +0,46 x 3 +0,46 x 4 +0,82 x 5+ 0,55 x 6
Coeficiente de correlación:
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,97769958
Coeficiente de determinación R^2 0,955896469
R^2 ajustado 0,952271521
Error típico 45,03544503
Observaciones 80

Tabla ANOVA
Grados de Suma de Promedio de
  libertad cuadrados los cuadrados F
Regresión 6 3208996,72 534832,787 263,699378
Residuos 73 148057,966 2028,19131
Total 79 3357054,69    

b) Realice una prueba de hipótesis global para comprobar si algunos de los

coeficientes de regresión son diferentes de 0. ¿Cuál es su decisión? Utilice
un nivel de significancia del 0.05.

Efectúe una prueba individual de cada una de las variables independientes

¿Qué variables consideraría eliminar? Utilice un nivel de significancia del
0.05.

PRUEBA GLOBAL 1
1) Planteamiento de Hipótesis

H 0 : β k =0
H1: βk ≠ 0

2) Establecer el nivel de significancia

∝=0,05
3) Estadístico de Prueba
F=263,70
4) Regla de Decisión

Si F> 2,235; Rechazo H 0

5) Toma de Decisión

Se Rechaza H 0. Al menos una de las variables aporta información al modelo.

PRUEBAS INDIVIDUALES 1
1. Planteamiento de Hipótesis.
H 0 : β1 =0 H 0 : β2 =0 H 0 : β3 =0 H 0 : β 4=0 H 0 : β5 =0 H 0 : β6 =0
H1: β1 ≠ 0 H 1: β2 ≠ 0 H1: β3 ≠ 0 H1: β 4≠ 0 H1: β5 ≠ 0 H 1: β6 ≠ 0

2. Nivel de Significancia.
X1 : X2 : X3 : X 4: X5 : X6 :
∝=0.05 ∝=0.05 ∝=0.05 ∝=0.05 ∝=0.05 ∝=0.05

3. Estadístico de Prueba.
 b−0
t=
Sb
X1 : X2 : X3 : X 4: X5 : X6 :

−32,27 0,54 0,46 0,46 0,82 0,55

t 1= t 2= t 3= t 4= t 5= t 6=
5,30 0,06 0,06 0,30 0,07 0,43
t 1=−6,09 t 2=9,03 t 3=7,56 t 4=1,53 t 5=11,43 t 6=1,28

4. Regla de Decisión.
∝=0.05
Valor
GL = n-(k+1) = 80 – (6+1) = 73 ±1,993
Crítico
2 colas

Se acepta H0 si 1,993 > t > -1,993.

Se rechaza H0 si 1,993 < t < -1,993.
5. Toma de Decisión.
En conclusión, con un nivel de significancia de 0.05 y obteniendo un valor crítico de
±1,993 las variables independientes que aportan información necesaria en nuestro
modelo son: el número de integrantes (X1), ingresos (X2), arriendo (x3) y alimentación
(x5). Y las variables independientes que no aportan información son transporte (x4) y
servicios básicos (x6); por lo tanto, se elimina la variable servicios básicos y se corre el
modelo nuevamente.
VIF 1
Estadísticas de la regresión
Coeficiente de correlación 0,73453048
múltiple 1
Coeficiente de determinación 0,53953502
R^2 7
0,50842252
R^2 ajustado 9
0,98804474
Error típico 2
Observaciones 80

1
VIF= =2,17
1−0,54
Es menor que su límite de 10, indica que la variable independiente, integrantes, no está
muy correlacionada con las demás variables independientes.

VIF 2
Estadísticas de la regresión
Coeficiente de correlación 0,91412373
múltiple 2
Coeficiente de determinación 0,83562219
R^2 8
R^2 ajustado 0,82451559
86,7827835
Error típico 9
Observaciones 80

1
VIF= =5,88
1−0,83

Es menor que su límite de 10, indica que la variable independiente, ingresos, no está
muy correlacionada con las demás variables independientes.

VIF 3
Estadísticas de la regresión
Coeficiente de correlación 0,62201487
múltiple 8
0,38690250
Coeficiente de determinación R^2 8
0,34547700
R^2 ajustado 2
86,9288854
Error típico 6
Observaciones 80

1
VIF= =1,64
1−0,39

Es menor que su límite de 10, indica que la variable independiente, arriendo, no está
muy correlacionada con las demás variables independientes.

VIF 4
Estadísticas de la regresión
Coeficiente de correlación 0,81489748
múltiple 2
0,66405790
Coeficiente de determinación R^2 7
0,64135911
R^2 ajustado 6
17,5503635
Error típico 7
Observaciones 80

1
VIF= =2,94
1−0,66

Es menor que su límite de 10, indica que la variable independiente, transporte, no está
muy correlacionada con las demás variables independientes.

VIF 5
Estadísticas de la regresión
Coeficiente de correlación
múltiple 0,76025138
0,57798216
Coeficiente de determinación R^2 1
0,54946744
R^2 ajustado 2
73,0022457
Error típico 4
Observaciones 80

1
VIF= =2,38
1−0,58

Es menor que su límite de 10, indica que la variable independiente, alimentación, no

está muy correlacionada con las demás variables independientes.

VIF 6
 Estadísticas de la regresión
Coeficiente de correlación 0,90009338
múltiple 7
0,81016810
Coeficiente de determinación R^2 6
0,79734162
R^2 ajustado 7
12,2127451
Error típico 3
Observaciones 80

1
VIF= =5,27
1−0,81

Es menor que su límite de 10, indica que la variable independiente, servicios básicos, no
está muy correlacionada con las demás variables independientes.

Ecuación de regresión múltiple:

ý=8,56−29,61 x 1+ 0,57 x 2 +0,45 x 3+ 0,58 x 4+ 0,85 x5

Coeficiente de correlación:
Estadísticas de la regresión
Coeficiente de correlación 0,9771934
múltiple 6 Tabla ANOVA
Coeficiente de Grados Promedio
0,9549070
determinación R^2de Suma de de7 los
  libertad cuadrados cuadrados
0,9518602 F
R^2 ajustado 3205675,2 641135,04
5 313,41107
Regresión 5 4
45,229063 9 1
Error típico 151379,44 2045,6681
2
Residuos
Observaciones 74 4 80 6
3357054,6
Total 79 9    

PRUEBA GLOBAL 2
1) Planteamiento de Hipótesis

H 0 : β k =0
H1: βk ≠ 0
2) Establecer el nivel de significancia

∝=0,05
3) Estadístico de Prueba
F=313,41
4) Regla de Decisión

5) Toma de Decisión

Se Rechaza H 0. Al menos una de las variables aporta información al modelo.

PRUEBAS INDIVIDUALES 2
1. Planteamiento de Hipótesis.
H 0 : β1 =0 H 0 : β2 =0 H 0 : β3 =0 H 0 : β 4=0 H 0 : β5 =0
H1: β1 ≠ 0 H 1: β2 ≠ 0 H1: β3 ≠ 0 H1: β 4≠ 0 H1: β5 ≠ 0

2. Nivel de Significancia.
X1 : X2 : X3 : X 4: X5 :
∝=0.05 ∝=0.05 ∝=0.05 ∝=0.05 ∝=0.05

3. Estadístico de Prueba.
b−0
t=
Sb
X1 : X2 : X3 : X 4: X5 :

−29,61 0,57 0,45 0,58 0,85

t 1= t 2= t 3= t 4= t 5=
4,90 0,06 0,06 0,28 0,07
 t 1=−6,05 t 2=10,15 t 3=7,46 t 4=2,06 t 5=12,23

4. Regla de Decisión.
∝=0.05
Valor
GL = n-(k+1) = 80 – (5+1) = 74 ±1,993
Crítico
2 colas

Se acepta H0 si 1,993 > t > -1,993.

Se rechaza H0 si 1,993 < t < -1,993.

5. Toma de Decisión.
En conclusión, con un nivel de significancia de 0.05 y obteniendo un valor crítico de
±1,993 las variables independientes que aportan información necesaria en nuestro
modelo son: el número de integrantes (X1), ingresos (X2), arriendo (x3), transporte (x4)
y alimentación (x5), es decir, todas las variables aportan información; por lo que se
rechaza la hipótesis nula.

c) Elabore la matriz de correlación.

SERVICI
N° OS
INTEGRA INGRES ARRIEN TRANSP ALIMENTA BASICO
  GASTOS NTES OS DO ORTE CION S
GASTOS 1            
N°
INTEGRAN 0,50775
TES 8707 1          
0,91157 0,6378550
INGRESOS 9038 79 1        
0,53068 0,1739496 0,41836
ARRIENDO 4572 56 9227 1      
TRANSPO 0,58433 0,4654990 0,70678 0,00071
RTE 6538 3 9861 7803 1    
ALIMENTA 0,80692 0,69093 0,20291 0,422597
CION 8762 0,5907498 7257 2629 348 1  
SERVICIOS 0,77142 0,7198189 0,83809 0,20319 0,719851 0,70286454 1
BASICOS 646 94 5679 7436 431 4

SERVICI
N° OS
INTEGRA INGRES ARRIEN TRANSP ALIMENTA BASICO
  NTES OS DO ORTE CION S
N°
INTEGRAN
TES 1        
0,637855
INGRESOS 079 1      
0,173949 0,41836
ARRIENDO 656 9227 1    
TRANSPO 0,465499 0,70678 0,00071
RTE 03 9861 7803 1  
ALIMENTA 0,590749 0,69093 0,20291 0,422597
CION 8 7257 2629 348 1
SERVICIO
S 0,719818 0,83809 0,20319 0,719851 0,7028645
BASICOS 994 5679 7436 431 44 1

En base a la matriz de correlación podemos decir que:

La variable ingresos está correlacionada de manera directa y fuerte con la variable
número de integrantes.
La variable arriendo está correlacionada de manera directa y casi nula con la variable
número de integrantes; así también, tiene una correlación directa y moderada con la
variable ingresos.
La variable transporte está correlacionada de manera directa y moderada con la variable
número de integrantes, también esta correlacionada de manera directa y fuerte con la
variable ingresos y finalmente esta correlacionada directa y casi nula con la variable
arriendo.
La variable alimentación está correlacionada de manera directa y fuerte con las
variables número de integrantes e ingresos, también esta correlacionada de manera
directa y casi nula con la variable arriendo y finalmente, esta correlacionada de manera
directa y medio moderada con la variable transporte.
La variable servicios básicos está correlacionada de manera directa y fuerte con las
variables número de integrantes, ingresos, transporte y alimentación; también esta
correlacionada de manera directa y casi nula con la variable arriendo.
5. CONCLUSIÓNES

 La aplicación de la regresión múltiple en lugar de la regresión simple nos ayuda

a determinar con mayor precisión la relación existente entre una variable
dependiente Y (gastos), y dos o variables independientes (integrantes, ingresos,
arriendo, transporte, alimentación y servicios básicos), pues al incluir una mayor
cantidad de variables independientes en lugar de una, estas aportan mayor
información haciendo que el modelo sea más confiable.

 Con un coeficiente de determinación múltiple de 0,95589647 podemos concluir que

las variables independientes (integrantes, ingresos, arriendo, transporte,
alimentación y servicios básicos), explican el 95,59% de la variación de los
gastos, es decir, el 4,41% de la variación podría deberse a otras variables no incluidas
en la investigación.

 Al realizar la prueba global se concluyó que si existían variables que aportan

información al modelo, procediendo a realizar las pruebas individuales en donde
se llegó a la conclusión de que existían dos variables que no aportaban
información significativa al modelo (transporte y servicios básicos),
eliminándose así la variable servicios básicos. Dando como resultado, después
 de volver a aplicar el modelo, que todas las variables restantes aportan
información significativa al modelo.

6. ANEXOS
Tabulación

Resumen

Estadísticas de la regresión
Coeficiente de correlación
múltiple 0,97769958
Coeficiente de determinación R^2 0,955896469
R^2 ajustado 0,952271521
Error típico 45,03544503
Observaciones 80

ANÁLISIS DE VARIANZA
Grados Promedio
de Suma de de los
  libertad cuadrados cuadrados F
Regresión 6 3208996,72 534832,79 263,6993781
Residuos 73 148057,966 2028,1913
Total 79 3357054,69    

Error Estadístic Probabilida Superior Inferior Superior

  Coeficientes típico ot d Inferior 95% 95% 95,0% 95,0%
Intercepción 13,68414431 19,729551 0,6935862 0,490142856 -25,6367944 53,005083 -25,63679 53,005083
 1
N° INTEGRANTES -32,26662516 5,2986104 -6,089639 4,8162E-08 -42,82674046 -21,70651 -42,82674 -21,70651
0,0603260 0,424757
INGRESOS 0,544987322 7 9,0340268 1,60781E-13 0,424757641 0,665217 6 0,665217
0,0602246 0,335544
ARRIENDO 0,455571717 8 7,5645355 9,23694E-11 0,335544106 0,5755993 1 0,5755993
0,2982994
TRANSPORTE 0,457517404 7 1,533752 0,12941347 -0,136992582 1,0520274 -0,136993 1,0520274
0,0717137 0,676637
ALIMENTACION 0,819562804 4 11,428253 6,34649E-18 0,676637525 0,9624881 5 0,9624881
0,4286721
SERVICIOS BASICOS 0,548575698 9 1,2797091 0,20469966 -0,305766735 1,4029181 -0,305767 1,4029181

Análisis de los residuales

Pronóstico
Observación GASTOS Residuos
1 560,50092 -10,50092
2 543,8445342 36,1554658
3 692,7201317 -2,7201317
4 797,9999057 162,000094
5 391,1334902 38,8665098
6 925,3859856 64,6140144
7 857,244175 -77,244175
8 519,7398467 70,2601533
9 731,7750581 18,2249419
10 469,3793916 80,6206084
11 1221,906099 -46,906099
12 1489,094114 -29,094114
13 862,2727118 -12,272712
14 314,8100961 -14,810096
15 721,2456291 -21,245629
16 701,2837238 18,7162762
17 620,7740161 29,2259839
18 653,023198 26,976802
19 541,3788996 -41,3789
20 1244,475455 -44,475455
21 773,4699807 26,5300193
22 640,7179786 -0,7179786
23 499,2418919 0,75810812
24 1175,269892 74,7301077
25 381,3630387 -6,3630387
26 921,3391977 -21,339198
27 958,2951987 -8,2951987
28 752,6137025 47,3862975
29 593,7762715 6,22372851
30 686,4719383 3,52806169
31 679,2311266 40,7688734
32 619,9303214 -19,930321
33 458,1901349 -33,190135
34 595,8042204 4,19577961
35 669,5961331 -49,596133
36 461,1207171 -11,120717
37 614,7557265 85,2442735
38 547,3588618 2,64113822
39 783,1614723 -33,161472
40 644,6286237 105,371376
41 636,9280972 -136,9281
42 502,3751872 -2,3751872
43 485,6406018 14,3593982
44 801,7963981 -1,7963981
45 626,4912973 -26,491297
46 516,4003605 -16,40036
47 699,7666719 -49,766672
48 328,6129535 -28,612953
49 463,7503823 -13,750382
50 783,1899685 66,8100315
51 611,9745026 -11,974503
52 629,7702027 -29,770203
53 495,3068369 54,6931631
54 435,1681492 14,8318508
55 601,9854927 -1,9854927
56 652,9316666 -52,931667
57 663,4531124 -13,453112
58 449,0603595 0,93964049
59 530,1067509 19,8932491
60 522,334434 -22,334434
61 625,1785692 24,8214308
62 455,0058598 -5,0058598
63 553,7000023 -3,7000023
64 569,6862042 -19,686204
65 759,48967 -9,48967
66 645,3034286 -45,303429
67 509,2276028 -9,2276028
68 856,8770322 -6,8770322
69 673,4828345 -23,482835
70 575,610741 -25,610741
71 577,8358976 -27,835898
72 669,4213216 30,5786784
73 502,3396287 -2,3396287
74 623,0363665 26,9636335
75 731,2044159 18,7955841
 76 446,0647446 3,93525538
77 407,6985698 -57,69857
78 528,2634749 -78,263475
79 566,5420552 -16,542055
80 645,6643457 4,33565434

N° INTEGRANTES Gráfico de los residuales

200
100
Residuos

0
0 1 2 3 4 5 6 7 8 9
-100
-200
N° INTEGRANTES

INGRESOS Gráfico de los residuales

200
100
Residuos

0
200 400 600 800 1000 1200 1400 1600
-100
-200
INGRESOS

ARRIENDO Gráfico de los residuales

200
100
Residuos

0
0 50 100 150 200 250 300 350 400 450 500
-100
-200
ARRIENDO
 TRANSPORTE Gráfico de los residuales
200
100
Residuos

0
0 20 40 60 80 100 120 140 160 180 200
-100
-200
TRANSPORTE

ALIMENTACION Gráfico de los residuales

200
100
Residuos

0
0 100 200 300 400 500 600 700 800
-100
-200
ALIMENTACION

Encuesta

UNIVERSIDAD DE CUENCA
FACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS
ADMINISTRACIÓN DE EMPRESAS

El objetivo de la presente encuesta tiene fines académicos y está destinada a

establecer criterios de selección acerca de los “Gastos Mensuales de las Familias en
la Universidad de Cuenca”.

*Conteste las siguientes preguntas, tomando en cuenta que se trata de gastos mensuales
de toda la familia.

1. Número de integrantes en su familia.

________ personas.

2. ¿Cuál es el ingreso mensual que percibe su familia?

________ $.

3. Su vivienda es:
Propia ________
Arrendada ________ Pago mensual ________ $
4. ¿Cuánto gastan mensualmente en transporte?
________ $

5. ¿Cuánto gastan mensualmente en alimentación?

________ $

6. ¿Cuánto gastan mensualmente en servicios básicos? (Luz, agua, teléfono,

internet).
________ $

7. ¿Cuál es el promedio de gastos mensuales en su familia?

________ $

GRACIAS.
Tabla t
Tabla F