1

2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

X1

X2

55
55
55
55
55
55
75
75
75
75
75
75
95
95
95
95
95
95
55
55
55
55
55
55
75
75
75
75
75
75
95
95
95
95
95
95
2700

55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
2700

y
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
63

Analisis de correlacio entre las varaibles

ryx1=

ryx2=

rx1x2=

La correlacion entre las variables independientes con la dependiente son valores p

la correlacion entre las variables independientes es cero, pero esos valores son infe
independientes con la dependiente, por lo que no existe un riesgo de multicolineida

Como se trata de varias variables usaremos una regresion multiple, y como se trata
Analizamos primero las correlaciones ya que tratandose de varaiables dicotomicas
dicotomicas, "La perfecta multicolineidad"

El valor de la intercepcion o el valor de coeficiente "a" representa el valor medio de

Los coeficientes anexos a las variables dicotomicas se conocen como coeficentes de

MODELO DE REGRESION MULTIPLE DE 3 VARIABLES

=a+bx1+cx2
m= 36
ma

bx1

cx2

ax1

bx21

cx1x2

ax2

bx1x2

cx22

36
2700
2700

2700
212100
202500

2700
202500
212100

a) hallamos el denominador:
36
2700
2700

2700
212100
202500

det= 3317760000
b) valor "a"

2700
202500
212100

63.000
4725.000
4725.000

2700
212100
202500

2700
202500
212100

det= 5806080000
a=

1.75

c) valor "b"
36
2700
2700

63
4725
4725

2700
202500
212100

det= 0.000
b= 0.000000
c) valor "c"
36
2700
2700

2700
212100
202500

det= 1.84173E-007
c= 0.000000

La ecuacion de regresion multiple sera:

=5806080000+0,0*X1+0,0*X2

63
4725
4725

x1x2

x12

x22

yx1

yx2

3025
3025
4125
4125
5225
5225
4125
4125
5625
5625
7125
7125
5225
5225
7125
7125
9025
9025
3025
3025
4125
4125
5225
5225
4125
4125
5625
5625
7125
7125
5225
5225
7125
7125
9025
9025
202500

3025
3025
3025
3025
3025
3025
5625
5625
5625
5625
5625
5625
9025
9025
9025
9025
9025
9025
3025
3025
3025
3025
3025
3025
5625
5625
5625
5625
5625
5625
9025
9025
9025
9025
9025
9025
212100

3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
212100

82.5
110.0
82.5
110.0
82.5
110.0
112.5
150.0
112.5
150.0
112.5
150.0
142.5
190.0
142.5
190.0
142.5
190.0
82.5
110.0
82.5
110.0
82.5
110.0
112.5
150.0
112.5
150.0
112.5
150.0
142.5
190.0
142.5
190.0
142.5
190.0
4725

82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
4725

n la dependiente son valores pequeos, es cero, lo cual no es deseable

ero, pero esos valores son inferiores a la correlacion entre variables
iste un riesgo de multicolineidad.

esion multiple, y como se trata de datos codificadas trabajaremos con variables dicotomicas.

ose de varaiables dicotomicas corremos el riesgo de la trampa de las variables

a" representa el valor medio de la categoria de comparacion.

e conocen como coeficentes de interseccion diferencial.

dy
dyx1
dyx2

63
4725
4725

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

X1

X2

55
55
55
55
55
55
75
75
75
75
75
75
95
95
95
95
95
95
55
55
55
55
55
55
75
75
75
75
75
75
95
95
95
95
95
95
2700

55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
55
55
75
75
95
95
2700

y
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
63

Analisis de correlacio entre las varaibles

ryx1=

ryx2=

rx1x2=

La correlacion entre las variables independientes con la dependiente son valores p

la correlacion entre las variables independientes es cero, pero esos valores son infe
independientes con la dependiente, por lo que no existe un riesgo de multicolineida

Como se trata de varias variables usaremos una regresion multiple, y como se trata
Analizamos primero las correlaciones ya que tratandose de varaiables dicotomicas
dicotomicas, "La perfecta multicolineidad"

El valor de la intercepcion o el valor de coeficiente "a" representa el valor medio de

Los coeficientes anexos a las variables dicotomicas se conocen como coeficentes de

MODELO DE REGRESION MULTIPLE DE 3 VARIABLES

=a+bx1+cx2
m= 36
ma

bx1

cx2

ax1

bx21

cx1x2

ax2

bx1x2

cx22

36
2700
2700

2700
212100
202500

2700
202500
212100

a) hallamos el denominador:
36
2700
2700

2700
212100
202500

det= 3317760000
b) valor "a"

2700
202500
212100

63.000
4725.000
4725.000

2700
212100
202500

2700
202500
212100

det= 5806080000
a=

1.75

c) valor "b"
36
2700
2700

63
4725
4725

2700
202500
212100

det= 0.000
b= 0.000000
c) valor "c"
36
2700
2700

2700
212100
202500

det= 1.84173E-007
c= 0.000000

La ecuacion de regresion multiple sera:

=5806080000+0,0*X1+0,0*X2

63
4725
4725

x1x2

x12

x22

yx1

yx2

3025
3025
4125
4125
5225
5225
4125
4125
5625
5625
7125
7125
5225
5225
7125
7125
9025
9025
3025
3025
4125
4125
5225
5225
4125
4125
5625
5625
7125
7125
5225
5225
7125
7125
9025
9025
202500

3025
3025
3025
3025
3025
3025
5625
5625
5625
5625
5625
5625
9025
9025
9025
9025
9025
9025
3025
3025
3025
3025
3025
3025
5625
5625
5625
5625
5625
5625
9025
9025
9025
9025
9025
9025
212100

3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
3025
3025
5625
5625
9025
9025
212100

82.5
110.0
82.5
110.0
82.5
110.0
112.5
150.0
112.5
150.0
112.5
150.0
142.5
190.0
142.5
190.0
142.5
190.0
82.5
110.0
82.5
110.0
82.5
110.0
112.5
150.0
112.5
150.0
112.5
150.0
142.5
190.0
142.5
190.0
142.5
190.0
4725

82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
82.5
110.0
112.5
150.0
142.5
190.0
4725

n la dependiente son valores pequeos, es cero, lo cual no es deseable

ero, pero esos valores son inferiores a la correlacion entre variables
iste un riesgo de multicolineidad.

esion multiple, y como se trata de datos codificadas trabajaremos con variables dicotomicas.

ose de varaiables dicotomicas corremos el riesgo de la trampa de las variables

a" representa el valor medio de la categoria de comparacion.

e conocen como coeficentes de interseccion diferencial.

dy
dyx1
dyx2

63
4725
4725

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

X1

X2

1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
72

1
1
2
2
3
3
1
1
2
2
3
3
1
1
2
2
3
3
1
1
2
2
3
3
1
1
2
2
3
3
1
1
2
2
3
3
72

y
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
1.5
2
63

Analisis de correlacio entre las varaibles

ryx1=

ryx2=

rx1x2=

La correlacion entre las variables independientes con la dependiente son valores p

la correlacion entre las variables independientes es cero, pero esos valores son infe
independientes con la dependiente, por lo que no existe un riesgo de multicolineida

Como se trata de varias variables usaremos una regresion multiple, y como se trata
Analizamos primero las correlaciones ya que tratandose de varaiables dicotomicas
dicotomicas, "La perfecta multicolineidad"

El valor de la intercepcion o el valor de coeficiente "a" representa el valor medio de

Los coeficientes anexos a las variables dicotomicas se conocen como coeficentes de

MODELO DE REGRESION MULTIPLE DE 3 VARIABLES

=a+bx1+cx2
m= 36
ma

bx1

cx2

ax1

bx21

cx1x2

ax2

bx1x2

cx22

36
72
72

72
168
144

72
144
168

a) hallamos el denominador:
36
72
72

72
168
144

det= 20736
b) valor "a"

72
144
168

63.000
126.000
126.000

72
168
144

det=
a=

72
144
168

36288
1.75

c) valor "b"
36
72
72

63
126
126

72
144
168

det= 0.000
b= 0.000000
c) valor "c"
36
72
72

72
168
144

det= 0
c= 0.000000

La ecuacion de regresion multiple sera:

=5806080000+0,0*X1+0,0*X2

63
126
126

x1x2

x12

x22

yx1

yx2

1
1
2
2
3
3
2
2
4
4
6
6
3
3
6
6
9
9
1
1
2
2
3
3
2
2
4
4
6
6
3
3
6
6
9
9
144

1
1
1
1
1
1
4
4
4
4
4
4
9
9
9
9
9
9
1
1
1
1
1
1
4
4
4
4
4
4
9
9
9
9
9
9
168

1
1
4
4
9
9
1
1
4
4
9
9
1
1
4
4
9
9
1
1
4
4
9
9
1
1
4
4
9
9
1
1
4
4
9
9
168

1.5
2.0
1.5
2.0
1.5
2.0
3.0
4.0
3.0
4.0
3.0
4.0
4.5
6.0
4.5
6.0
4.5
6.0
1.5
2.0
1.5
2.0
1.5
2.0
3.0
4.0
3.0
4.0
3.0
4.0
4.5
6.0
4.5
6.0
4.5
6.0
126

1.5
2.0
3.0
4.0
4.5
6.0
1.5
2.0
3.0
4.0
4.5
6.0
1.5
2.0
3.0
4.0
4.5
6.0
1.5
2.0
3.0
4.0
4.5
6.0
1.5
2.0
3.0
4.0
4.5
6.0
1.5
2.0
3.0
4.0
4.5
6.0
126

n la dependiente son valores pequeos, es cero, lo cual no es deseable

ero, pero esos valores son inferiores a la correlacion entre variables
iste un riesgo de multicolineidad.

esion multiple, y como se trata de datos codificadas trabajaremos con variables dicotomicas.

ose de varaiables dicotomicas corremos el riesgo de la trampa de las variables

a" representa el valor medio de la categoria de comparacion.

e conocen como coeficentes de interseccion diferencial.

dy
dyx1
dyx2

63
126
126