UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES

ESCUELA DE ESTADÍSTICA Y CIENCIAS ACTUARIALES
SEGUNDO SEMESTRE II-2018
a)

Y: Tensión nerviosa (Estrés)

X1: tamaño de la empresa (asumiendo que este en metros cuadrados)

X2: número de años en la posición actual

X3: salario anual en miles de dólares

X4: edad en años

n=15

Y= -126,505+ +0,176x1 -1,563x2+1,575x3+1,629x4

bo: No es interpretable

b1: La tensión nerviosa de una persona aumenta en 0,176 por cada unidad en 𝑚𝑡 2
de la empresa, manteniendo constante el número de años en la posición actual, salario
anual en miles de dólares y la edad en años

b2: La tensión nerviosa de una persona disminuye en 1,563 por cada año en la posición
actual, asumiendo que el tamaño de la empresa, salario anual en miles de dólares y la
edad en años; son las mismas.

b3: La tensión nerviosa de una persona aumenta en 1,575 por cada miles de dólares
del salario anual, manteniendo constante el número de años en la posición actual, el
tamaño de la empresa y la edad en años

b4: La tensión nerviosa de una persona aumenta en 1,629 por cada año cumplido,
asumiendo que el tamaño de la empresa, salario anual en miles de dólares y número de
años en la posición actual; son las mismas.

b) El valor del coeficiente de determinación que se usaría para describir la bondad de

ajuste del modelo es 0,842.
Se puede observar que la variabilidad de Y explicada por el ajuste de un modelo
con cuatro variables explicativas es de 0,842, este modelo se ajusta bien dado que
mientras mayor sea 𝑅 2 , mayor será el poder explicativo del modelo ajustado, y en
consecuencia, mejores serán las predicciones de la variable dependiente; la
variabilidad del estrés está siendo explicada por las variables: tamaño de la
empresa, nº de años en la posición actual, salario anual y la edad de la persona.
c) 𝐻𝑜: 𝑏1 = 0 𝑣𝑠 𝐻1: 𝑏1 ≠ 0

R.C = { t > tn-k-1,0.975 }

t=-3,919 p-valor<0,05 (Suponiendo que el nivel de significación es del 5%)
0,001<0,05
Rechazo H0 lo que demuestra que b1 es distinto de cero, es decir que b1 es
estadísticamente significativo

𝐻𝑜: 𝑏2 = 0 𝑣𝑠 𝐻1: 𝑏2 ≠ 0
 p-valor<0,05
0,455>0,05 Acepto H0, es decir que b2 no es estadísticamente
significativa.

𝐻𝑜: 𝑏3 = 0 𝑣𝑠 𝐻1: 𝑏3 ≠ 0

p-valor<0,05
0,005<0,05 Rechazo H0, es decir b3 es estadísticamente significativo

𝐻𝑜: 𝑏4 = 0 𝑣𝑠 𝐻1: 𝑏4 ≠ 0

p-valor<0,05
0,027<0,05 Rechazo H0, es decir b4 es estadísticamente significativo

El presente modelo no es adecuado para describir dicho estudio dado que al

realizar los contrastes el parámetro b2 no es estadísticamente significativo (años en
posición), se debería eliminar la variable años en posición ya que no aporta nada al
modelo.
d) Los supuestos que se deben cumplir para la utilización de este modelo son:
Linealidad: La relación entre cada variable independiente con la variable
dependiente debe ser lineal.
Normalidad: El vector de errores teóricos sigue una distribución normal
multivariante.
Homocedasticidad: La varianza de los errores de medición es igual para todas las
variables independientes o las varianzas de los residuos y los pronósticos son
iguales.
Autocorrelación: La independencia entre los residuos mediante el estadístico de
Durbin-Watson que toma valor 2 cuando los residuos son completamente
independientes (entre 1.5 y 2.5 se considera que existe independencia),
DW<2 indica autocorrelación positiva y DW>2 autocorrelación negativa.
Multicolinealidad: Relación aproximadamente de dependencia lineal entre al
menos una de las variables explicativas y las restantes.
e) Desviación estándar poblacional de un estimador: El error estándar de la regresión
es el valor que muestra la diferencia entre los valores reales y los estimados de una
regresión. Se utiliza para valorar si existe una correlación entre la regresión y los
valores medidos. Se prefiere este dato más que a otros como el “coeficiente de
correlación lineal”, ya que el error estándar se mide en las mismas unidades que los
valores que se estudian.

𝑁
1 2
𝜎̂ = √ ∑( 𝑦𝑖 − 𝑦̅)
𝑖
𝑛−2
𝑖=1
1)

Interpretaciones
Estadísticas descriptivas
 El promedio de gastos en alimentación de una familia es de 0,5380 pesetas,
con una desviación del 0,31978 con respecto a la media.
 El promedio de ingresos de una familia es de 2,80 pesetas, con una
desviación del 2,244 con respecto a la media.
 El promedio de número de miembros de una familia es de 3,67, con una
desviación estándar del 1,113 con respecto a la media.

Correlaciones

En el cuadro se pudo observar que existe una relación lineal alta de 0,942
entre el gasto e ingreso, mientras que entre el gasto y el tamaño existe una relación
inversamente proporcional baja de - 0,126.
Las variables que ingresaron (tamaño, ingreso) no fueron eliminadas del modelo.

Resumen del modelo

𝑅 2 : Dado que e l𝑅 2 es de 0,950 podemos decir que tiene un mayor ajuste del
modelo de regresión.
𝑅 2 𝑎𝑑𝑗𝑢𝑠𝑡𝑎𝑑𝑜 = 0,941 : Las variables ingresos mensuales y número de miembros de
la familia tienen mejor poder explicativo del modelo ajustado.

Evaluación de la Independencia entre los residuos mediante el estadístico de

Durbin-Watson:
𝐷𝑊 = 1,177
Existe independencia entre los residuos, autocorrelación positiva.

ANOVA

Suponiendo un nivel de significación del 5%

𝐻𝑜: 𝑏1 = 𝑏2 = 0 𝑣𝑠 𝐻1: 𝑏1 ≠ 𝑏2 ≠ 0

R.C = {F: F0>Fk-1,n-k,0.975 }

P<= 0,05
0,000<= 0,05
Rechazo H0
Al menos una de las variables ingreso mensuales o número de miembros de la
familia explica el gasto en alimentación de la familia

Ambos parámetros son estadísticamente significativos ya que para b1 el p-

valor= 0,000 y para b2 el p-.valor= 0,002 en ambos casos son menores a α = 0,05.
Colinealidad

Dado que la tolerancia en el ingreso y tamaño es de 0,857, es decir cercano a

uno, no se evidencia problemas multicolinealidad entre las variables.
El VIF entre el ingreso y tamaño es de 1,166, dado que este no es mayor a diez se
evidencia también que no existen problemas de multicolinealidad.

Supuesto de normalidad

En el histograma de los residuos estandarizados podemos observar que el

grafico muestra una curva aproximadamente normal, por lo que se cumple el
supuesto de normalidad de los residuos.

Supuesto de linealidad

En el gráfico de regresión residual se puede observar que la relación entre

cada variable independiente con la variable dependiente es lineal, por lo tanto
podemos decir que las variables intervienen en el modelo en términos de una
expresión lineal, probando el supuesto de linealidad.
Homocedasticidad

En los residuos y los gráficos de regresión parcial tenemos que la desviación

del valor pronosticado es: 0,000, y desviación del residuo es 0,000.
En el gráfico de los residuos de las variables, tamaño e ingreso, podemos observar
que la varianza de los errores es constante, cumpliendo el supuesto de
homocedasticidad.
2)

Interpretaciones

Estadísticas descriptivas
 El promedio del Trsbill es de 9,8215, con una desviación del 2,30530 con
respecto a la media.
 El promedio del Bankcan es de 13667,72, con una desviación del 2150,437
con respecto a la media.
 El promedio del CPI es de 74,858, con una desviación del 9,5134 con
respecto a la media.
 El promedio del Usspot es de 1,104750, con una desviación del 0,0747805
con respecto a la media.
  El promedio del Usforw es de 1,105603, con una desviación del 0,0732583
con respecto a la media.

Correlaciones

En el cuadro se pudo observar que existe una relación lineal significativa de

0,766 entre el trsbill y el cpi, mientras que entre el trsbill y el sforw existe una
relación moderada de 0,599.

Resumen del modelo

𝑅 2 : Dado que el 𝑅 2 es de 0,631 podemos decir que tiene un mayor ajuste del
modelo de regresión.
𝑅 2 𝑎𝑑𝑗𝑢𝑠𝑡𝑎𝑑𝑜 = 0,601 : La variación en los intereses de las letras del tesoro a 90
días se explica por la variación en los activos del banco de Canadá, índice de
precios al consumo, razón de cambio Canadá/ USA y razón de cambio a un mes
Canadá/USA, tomando en cuenta las variables independientes.

Suponiendo un nivel de significación del 5%

𝐻𝑜: 𝑏1 = 𝑏2 = 𝑏3 = 𝑏4 = 0 𝑣𝑠 𝐻1: 𝑏1 ≠ 𝑏2 ≠ 𝑏3 ≠ 𝑏4 ≠ 0

R.C = {F: F0>Fk-1,n-k,0.975 }

P<= 0,05
0,000<= 0,05
Rechazo H0
Al menos una de las variables usforw,cpi,bankcan,usspot , explica el trsbill.
 Los parámetros correspondientes al índice de precios al consumo y razón de
cambio a un mes Canadá/USA son estadísticamente significativos ya que para b2 el
p-valor= 0,004 y para b4 el p-valor= 0,044, en ambos casos son menores a α =
0,05.
Existe suficiente evidencia estadística para afirmar que las variables: activos
del banco de Canadá y la razón de cambio Canadá/ USA no son estadísticamente
significativos para el modelo ya que para b1 el p-valor= 0,999 y para b3 el p-
.valor= 0,051 en ambos casos son mayores a α = 0,05

Colinealidad

Dado que la tolerancia en el usforw,cpi,bankcan,usspot son muy bajos, es

decir cercanos a cero , se evidencia problemas de multicolinealidad entre las
variables.
El VIF entre usforw,cpi,bankcan,usspot es mayor a diez , por lo tanto se
evidencia también que existe problemas de multicolinealidad.

Supuesto de normalidad

En el histograma de los residuos estandarizados podemos observar que el

grafico muestra una curva aproximadamente normal, por lo que se cumple el
supuesto de normalidad de los residuos.

Supuesto de linealidad
 En el gráfico de regresión residual se puede observar que la relación entre
cada variable independiente con la variable dependiente es lineal, por lo tanto
podemos decir que las variables intervienen en el modelo en términos de una
expresión lineal, probando el supuesto de linealidad.

Homocedasticidad

En el gráfico de los residuos de las variables, podemos observar que la

varianza de los errores no es constante (heterocedasticidad), es decir, en el caso
del usspot y cpi, mientras mayor sea la predicción mayor es la variabilidad de los
residuos, contradiciendo el supuesto de constancia de la varianza de los errores. En
el caso del usforw y bankcan mientras menor sea la predicción mayor es la
variabilidad de los residuos, contradiciendo también el supuesto de
homocedasticidad.