Académique Documents
Professionnel Documents
Culture Documents
Estadísticas de la regresión
Coeficiente d 0.97248657
Coeficiente 0.94573012
R^2 ajustado 0.88060626
Error típico 1.12948752
Observacione 12
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 6 111.158133 18.5263554 14.5220228 0.0049931
Residuos 5 6.37871034 1.27574207
Total 11 117.536843
prueba_Normalidad
Normal
99
Media -7.40149E-17
Desv.Est. 0.7615
95 N 12
RJ 0.970
90
Valor p >0.100
80
70
Porcentaje
60
50
40
30
20
10
5
1
-2 -1 0 1 2
RESID1
1
-2 -1 0 1 2
RESID1
si el p-valor es menor a alfa (nivel de significancia) entonces la hipótesis nula es rechazada (se concluye que los
Si el p-valor es mayor a alfa, no se rechaza la hipótesis y se concluye que los datos siguen una distribución normal.
APRTE C
c Los valores de la diagonal de esta matriz so
182.051943 170.314217
170.314217 161.361942
W´W -1 = 218.804091 205.807323
231.943249 218.116025
1.93982394 1.65575463
1.14075638 1.23915048
or crítico de F
Modelo
Dimensión
1 1
2
Superior 95% 3
52.767749 4
2.91791371 5
2.81340151 6
2.84768408
2.76289018 VER TABLA 10.7 A: PÁGINA 307. MONTGOMERY Y PE
2.02819665
6.91755811 K= 2195.908 Número de condición
IC = 46.860518
Media -7.40149E-17
Desv.Est. 0.7615
N 12
RJ 0.970
Valor p >0.100
2
2
azada (se concluye que los datos no vienen de una distribución normal).
distribución normal.
la diagonal de esta matriz son los VIF
REGRESORES CENTRADOS
Proporciones de la varianza
Índice de
Autovalores condición x1 x2 x3 x4 x5 x6
2.4288 1.00000 .0003 .0005 .0004 .0000 .0531 .0350
1.5462 1.25334 .0004 .0000 .0005 .0012 .0032 .0559
.9221 1.62297 .0028 .0033 .0001 .0001 .0006 .0018
.7940 1.74900 .0000 .0000 .0002 .0003 .2083 .4845
.3079 2.80864 .0011 .0024 .0025 .0000 .7175 .4199
.0011 46.86052 .9953 .9937 .9964 .9984 .0172 .0029
Número de condición
PAM WEIGAND, GERENTE DE PERSONAL(HANKE)
Obs Y X1 X2 X3 X4 X5
1 44 10 22.1 4.9 0 2.4
2 47 19 22.5 3 1 2.6
3 60 27 23.1 1.5 0 2.8
4 71 31 24 0.6 3 2.7
5 61 64 22.6 1.8 2 2
6 60 81 21.7 3.3 1 2.5
7 58 42 23.8 3.2 0 2.5
8 56 67 22 2.1 0 2.3
9 66 48 22.4 6 1 2.8
10 61 64 22.6 1.8 1 3.4
11 51 57 21.1 3.8 0 3
12 47 10 22.5 4.5 1 2.7
13 53 48 22.2 4.5 0 2.8
14 74 96 24.8 0.1 3 3.8
15 65 75 22.6 0.9 0 3.7
16 33 12 20.5 4.8 0 2.1
17 54 47 21.9 2.3 1 1.8
18 39 20 20.5 3 2 1.5
19 52 73 20.8 0.3 2 1.9
20 30 4 20 2.7 0 2.2
21 58 9 23.3 4.47 1 2.8
22 59 98 21.3 3.9 1 2.9
23 52 27 22.9 1.4 2 3.2
24 56 59 22.3 2.7 1 2.7
25 49 23 22.6 2.7 1 2.4
26 63 90 22.4 2.2 2 2.6
27 61 34 23.8 0.7 1 3.4
28 39 16 20.6 3.1 1 2.3
29 62 32 24.4 0.6 3 4
30 78 94 25 4.6 5 3.6
CAMBIAR NO MAS
pronosticar si un aspirante en particular se convertirá en un buen vendedor. Pam decide emplear como variable dependiente (Y) las ven
riable dependiente (Y) las ventas del primer mes y elige las siguientes variables independientes para analizarlas:
En la tabla adjunta se presentan datos sobre el gasto de consumo Y, el ingreso X1 y la riqueza X2 .
Observ Y X1 X2
1 70 80 810
2 65 100 1009
3 90 120 1273
4 95 140 1425
5 110 160 1633
6 115 180 1876
7 120 200 2052
8 140 220 2201
9 155 240 2435
10 150 260 2686
a) Estime el MRLM
b) Calcule los residuales y verifique el supuesto de Normalidad
c) Detectar la Heteroscedasticidad. Utilice un método gráfico y la prueba de White.
d) si en el apartado c) encontró indicios de heteroscedasticidad ¿Cómo remediar la Heteroscedasticidad?
La siguiente tabla muestra el índice de compensación real por hora (Y) e índice de producción por hora (X), sector negocios, Est
Observ Y X
1960 68.7 65.5
1961 70.7 68
1962 73.2 70.4
1963 75 73.2
1964 77.9 76.4
1965 79.6 78.5
1966 82.9 80.7
1967 84.9 82.7
1968 88.2 85.3
1969 89.7 85.7
1970 91.2 86.9
1971 93 89.8
1972 95.8 92.6
1973 98 95
1974 97 93.2
1975 97.7 95.4
1976 100.8 98.2
1977 102.3 99.8
1978 103.4 100.4
1979 102 99.3
1980 99.5 98.6
1981 98.7 99.9
1982 100 100
1983 100.5 102
1984 100.4 104.6
1985 101.3 106.1
1986 104.4 108.3
1987 104.3 109.4
1988 104.4 110.4
1989 103 109.5
1990 103.2 109.7
1991 103.9 110.1