Vous êtes sur la page 1sur 5

Regresin Mltiple - IG

Variable dependiente: IG
Variables independientes:
TJ12
TJ22
TJ23

Parmetro
CONSTANTE
TJ12
TJ22
TJ23

Estimacin
134065,
0,00126378
0,0041696
-2,43276E-7

Error
Estndar
3329,38
0,0000300377
0,000206049
2,241E-8

Anlisis de Varianza
Fuente
Suma de Cuadrados
Modelo
3,84805E9
Residuo
3,15233E6
Total (Corr.)
3,8512E9

Gl
3
4
7

Estadstico
T
40,2674
42,0732
20,236
-10,8556

Cuadrado Medio
1,28268E9
788081,

Valor-P
0,0000
0,0000
0,0000
0,0004

Razn-F
1627,60

Valor-P
0,0000

R-cuadrada = 99,9181 porciento


R-cuadrado (ajustado para g.l.) = 99,8568 porciento
Error estndar del est. = 887,739
Error absoluto medio = 526,561
Estadstico Durbin-Watson = 2,41342 (P=0,4781)
Autocorrelacin de residuos en retraso 1 = -0,233205
El StatAdvisor
La salida muestra los resultados de ajustar un modelo de regresin lineal mltiple para describir la relacin entre IG y 3
variables independientes. La ecuacin del modelo ajustado es
IG = 134065, + 0,00126378*TJ12 + 0,0041696*TJ22 - 2,43276E-7*TJ23
Puesto que el valor-P en la tabla ANOVA es menor que 0,05, existe una relacin estadsticamente significativa entre las
variables con un nivel de confianza del 95,0%.
El estadstico R-Cuadrada indica que el modelo as ajustado explica 99,9181% de la variabilidad en IG. El estadstico RCuadrada ajustada, que es ms apropiada para comparar modelos con diferente nmero de variables independientes, es
99,8568%. El error estndar del estimado muestra que la desviacin estndar de los residuos es 887,739. Este valor
puede usarse para construir lmites para nuevas observaciones, seleccionando la opcin de Reportes del men de texto. El
error absoluto medio (MAE) de 526,561 es el valor promedio de los residuos. El estadstico de Durbin-Watson (DW)
examina los residuos para determinar si hay alguna correlacin significativa basada en el orden en el que se presentan en
el archivo de datos. Puesto que el valor-P es mayor que 0,05, no hay indicacin de una autocorrelacin serial en los
residuos con un nivel de confianza del 95,0%.
Para determinar si el modelo puede simplificarse, note que el valor-P ms alto de las variables independientes es 0,0004,
que corresponde a TJ23. Puesto que el valor-P es menor que 0,05, ese trmino es estadsticamente significativo con un
nivel de confianza del 95,0%. Consecuentemente, probablemente no quisiera eliminar ninguna variable del modelo.

Grfico Componente+Residuo para IG


(X 1000,0)
38

efecto de componente

28
18
8
-2
-12
-22
51

61

71

81

91

101
(X 1,E6)

TJ12

ANOVA adicional para Variables en el Orden Ajustado


Fuente
Suma de Cuadrados
Gl Cuadrado Medio
TJ12
3,07578E6
1
3,07578E6
TJ22
3,7521E9
1
3,7521E9
TJ23
9,28715E7
1
9,28715E7
Modelo
3,84805E9
3

Razn-F
3,90
4761,06
117,85

Valor-P
0,1194
0,0000
0,0004

El StatAdvisor
Esta tabla muestra la significancia estadstica de cada variable conforme fue agregada al modelo. Puede utilizar esta tabla
para ayudarse a determinar si el modelo puede ser simplificado, especialmente si se est ajustando un polinomio.

Grfico de IG
(X 10000,0)
35

observado

33

31

29

27
27

29

31
predicho

33

35
(X 10000,0)

Intervalos de confianza del 95,0% para las estimaciones de los coeficientes


Error
Parmetro
Estimacin
Estndar
Lmite Inferior
Lmite Superior
CONSTANTE
134065,
3329,38
124821,
143309,
TJ12
0,00126378
0,0000300377
0,00118038
0,00134718
TJ22
0,0041696
0,000206049
0,00359752
0,00474169
TJ23
-2,43276E-7
2,241E-8
-3,05496E-7
-1,81055E-7

El StatAdvisor
Esta tabla muestra intervalos de confianza del 95,0% para los coeficientes en el modelo. Los intervalos de confianza
muestran con qu precisin pueden estimarse los coeficientes dados la cantidad de datos disponibles, y el nivel de ruido
que est presente.

Grfico de Residuos

Rediduo Estudentizado

8
5
2
-1
-4
-7
51

61

71

81

91

TJ12

101
(X 1,E6)

Matriz de Correlacin para las estimaciones de los coeficientes


CONSTANTE
TJ12
TJ22
TJ23
CONSTANTE
1,0000
-0,6782 -0,6115 0,5160
TJ12
-0,6782
1,0000
-0,1361 0,2298
TJ22
-0,6115
-0,1361 1,0000
-0,9905
TJ23
0,5160
0,2298
-0,9905 1,0000
El StatAdvisor
Esta tabla muestra las correlaciones estimadas entre los coeficientes en el modelo ajustado. Estas correlaciones pueden
usarse para detectar la presencia de de multicolinearidad severa, es decir, correlacin entre las variables predictoras. En
este caso, hay 1 correlacin con valor absoluto mayor que 0,5 (sin incluir el trmino constante).

Grfico de Residuos

Rediduo Estudentizado

8
5
2
-1
-4
-7
27

29

31
predicho IG

33

35
(X 10000,0)

Resultados de la Regresin para IG


Ajustado
Error Est.
Fila
LC para Pronstico

Inferior 95,0%
LC para Pronstico

Superior 95,0%
LC para Pronstico

Inferior 95,0%
LC para la Media

Superior 95,0%
LC para la Media

El StatAdvisor
Esta tabla contiene informacin acerca de IG la cual fue generada usando el modelo ajustado. La tabla incluye:
(1) los valores predichos de IG usando el modelo ajustado
(2) el error estndar para cada valor predicho
(3) intervalos de previsin del 95,0% para nuevas observaciones
(4) intervalos de confianza del 95,0% para la respuesta media
Cada tem corresponde a los valores de las variables independientes en una fila especfica en el archivo de datos. Para
generar pronsticos para combinaciones adicionales de las variables, agregue filas adicionales al final del archivo de
datos. En cada nueva fila, introduzca los valores para las variables independientes pero deje vaca la celda de la variable
dependiente. Cuando regrese a esta ventana, se habrn agregado los pronsticos a la tabla para las nuevas filas, pero el
modelo no se ver afectado.

Grfico de Residuos

Rediduo Estudentizado

8
5
2
-1
-4
-7
0

nmero de fila

Residuos Atpicos
Fila
3

Y
302513,

Y
Predicha
303618,

Residuo
-1105,4

Residuo
Estudentizado
-6,01

El StatAdvisor
La tabla de residuos atpicos enlista todas las observaciones que tienen residuos Estudentizados mayores a 2, en valor
absoluto. Los residuos Estudentizados miden cuntas desviaciones estndar se desva cada valor observado de IG del
modelo ajustado, utilizando todos los datos excepto esa observacin. En este caso, hay un residual Estudentizado mayor
que 3. Es conveniente examinar detenidamente las observaciones con residuos mayores a 3 para determinar si son valores
aberrantes que debieran ser eliminados del modelo y tratados por separado.

Grfico de IG con Valores Predichos


(X 10000,0)
35

IG

33

31

29

27
51

61

71

81
TJ12

91

101
(X 1,E6)

Puntos Influyentes
Distancia de
Fila Influencia Mahalanobis
DFITS
3
0,580165
7,43418
-7,0632
7
0,724887
14,9521
-2,40824
8
0,852925
33,9385
-2,97088
Influencia media de un solo punto = 0,5
El StatAdvisor
La tabla de puntos influyentes enlista todas las observaciones que tienen valores de influencia mayores que 3 veces la de
un punto promedio de los datos, que tienen un valor inusual de DFITS. Valor de Influencia es un estadstico que mide
que tan influyente es cada observacin en la determinacin de los coeficientes del modelo estimado. DFITS es un
estadstico que mide que tanto podran cambiar los coeficientes estimados si la observacin se eliminara del conjunto de
datos. En este caso, un punto promedio de los datos tendra un valor de influencia igual a 0,5. No hay puntos con ms de
3 veces el valor de influencia promedio. Hay 3 datos con valores inusualmente grandes de DFITS.