MODELO DE

REGRESIN PARA
PREDECIR LA
ACELERACIN EN
TURISMOS
MODULO 4
Julio Alberto Lpez Para

En esta prctica queremos averiguar dos variables en funcin de dos

modelos y una hiptesis. En el primer modelo nos centraremos en conocer
si la aceleracin de un coche (de 0 a 60 millas por hora, ya que es los datos
que nos dan, pero traducido del sistema imperial al sistema mtrico
podemos considerarlo igual a km/h) se puede corresponder con el nmero
de caballos vapor de un coche. En el segundo modelo intentaremos hacerlo
algo ms especfico, y usando un modelo de regresin linear mltiple
queremos averiguar si esas mph se correspondern no slo con los CV de un
coche, sino tambin con el peso total del vehculo y el tamao del motor
(normalmente, un mayor tamao de un motor suele traducirse en mayor
fuerza y/o velocidad).
Nuestra hiptesis es que, a menor tiempo de aceleracin, ms CV, menos
peso y ms tamao del motor.
As pues, podramos sealar como variable dependiente la aceleracin en
ambos modelos.
Procedemos entonces con el primer modelo.
MODELO DE REGRESIN LINEAL SIMPLE
Como hemos mencionado anteriormente, tenemos las siguientes variables.
Variable dependiente: Aceleracin de 0 a 60mph
Variable independiente: Caballos vapor del coche
En SPSS, que es con el programa que trabajaremos, nos salen como
resultados varias tablas, de las cuales elegiremos tres para su
interpretacin.

Model Summary

Model

,701a

R
Square
,492

Adjusted R
Square
,491

Std. Error of
the
Estimate
2,014

a. Predictors: (Constant), Horsepower

La tabla modelo nos dice, sorprendentemente en base a nuestra hiptesis,

que la aceleracin slo se puede predecir en un 49.2% de los casos en
relacin a los CV. Deberamos haber tenido en cuenta que algunos coches
pueden estar turboalimentados?

ANOVAa
Sum of
Squares

Model
1

Mean
Square

df

Regressio
n

1563,639

Residual

1614,655

398

Total

3178,294

399

Sig.

1563,639 385,425

,000b

4,057

a. Dependent Variable: Time to Accelerate from 0 to 60 mph (sec)

b. Predictors: (Constant), Horsepower
Podemos comprobar en la tabla de la ANOVA que existe una relacin linear
significativa entre ambas variables, ya que el nivel crtico es menor que
0,005 (en este caso es 0,000).

Coefficientsa
Unstandardized
Coefficients
Model
1

B
(Constant)
Horsepowe
r

Standardize
d
Coefficients

Std. Error

20,855

,292

-,051

,003

Beta

-,701

Sig.

71,347

,000

-19,632

,000

a. Dependent Variable: Time to Accelerate from 0 to 60 mph (sec)

Podemos ver en esta tabla de coeficientes que el coeficiente de regresin de
la constante es significativo.
MODELO DE REGRESIN LINEAL MLTIPLE
Las variables en este caso son:
Variable dependiente: Aceleracin de 0 a 60mph
Variable independiente: Caballos vapor del coche, peso del coche,
tamao del motor.

Model Summary

Model

,799a

R Square

Adjusted R

Std. Error of

Square

the Estimate

,639

,636

1,702

a. Predictors: (Constant), Engine Displacement (cu.

inches), Horsepower, Vehicle Weight (lbs.)

Podemos comprobar en esta tabla resumen que nuestra hiptesis se ve algo

ms reforzada incluyendo las variables independientes de tamao del motor
y peso del coche, ya que hemos pasado de un 49.2% a un 63.6% de
predictibilidad con el modelo de regresin lineal mltiple.

ANOVAa
Sum of
Model
1

Squares

df

Mean Square

Regression

2030,521

676,840

Residual

1147,773

396

2,898

Total

3178,294

399

Sig.
,000b

233,521

a. Dependent Variable: Time to Accelerate from 0 to 60 mph (sec)

b. Predictors: (Constant), Engine Displacement (cu. inches), Horsepower,
Vehicle Weight (lbs.)

Como en el caso anterior, comprobamos aqu que seguimos teniendo un

nivel crtico menor de 0.005 (0.000), por lo que existe una relacin lineal
significativa entre la variable dependiente y las independientes.

Coefficientsa

Model
1

Unstandardized

Standardized

Coefficients

Coefficients

B
(Constant)
Horsepower
Vehicle Weight
(lbs.)

Std. Error

17,233

,480

-,088

,005

,003

-,009

Beta

Sig.

35,885

,000

-1,195

-17,324

,000

,000

,935

10,994

,000

,003

-,345

-3,506

,001

Engine
Displacement
(cu. inches)
a. Dependent Variable: Time to Accelerate from 0 to 60 mph (sec)

Por ltimo, en la tabla de coeficientes comprobamos que todas las variables

contribuyen significativamente al ajuste del modelo propuesto, con lo que
podemos decir que ayudan a la predictibilidad de la aceleracin en millas
por hora.