REGRESIÓN LINEAL

VARIABLES:

𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑌: 𝐺𝑎𝑠𝑡𝑜𝑠 en pesos

𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑋: 𝑆𝑎𝑙𝑎𝑟𝑖𝑜 en pesos

PUNTO DE CORTE

Si es necesario tener un punto de corte 𝛽0 debido a que la variable dependiente gastos no depende
únicamente de la variable salario, sino que puede ser explicado por otras variables que también
pueden explicar el gasto. En este modelo el valor de 𝛽0 = 665739 lo cual significa que si el salario
fuera cero, los gastos serian de 665739 pesos.

MODELO CONCEPTUAL

𝑦 = 𝛽0 + 𝛽1 𝑥
Donde:

𝑦: 𝑔𝑎𝑠𝑡𝑜𝑠 𝑥: 𝑠𝑎𝑙𝑎𝑟𝑖𝑜 𝛽0 : 𝑖𝑛𝑡𝑒𝑟𝑐𝑒𝑝𝑡𝑜 𝛽1 : 𝑃𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒

REGRESIÓN LINEAL EN EXCEL

A continuación, se presenta algunos de los datos calculados en Excel

Salario GASTOS yg ei ei^2

767000 880400 767196 113204 1.282E+10
883000 1076600 782541 294059 8.647E+10
1078000 959600 808335 151265 2.288E+10
1767000 1530400 899475 630925 3.981E+11
2212000 1608900 958339 650561 4.232E+11
3658000 1812100 1149613 662487 4.389E+11
4048000 1650100 1201201 448899 2.015E+11
430400 978080 722672 255408 6.523E+10
451700 1225340 725489 499851 2.499E+11
573300 826160 741574 84585.8 7.155E+09
667100 946420 753982 192438 3.703E+10
671200 862740 754524 108216 1.171E+10
774900 1312980 768241 544739 2.967E+11
790600 930120 770318 159802 2.554E+10
800000 1251000 771562 479438 2.299E+11
823400 1339680 774657 565023 3.193E+11
849300 1243860 778083 465777 2.169E+11
882800 1334560 782514 552046 3.048E+11
907800 1272560 785821 486739 2.369E+11
986000 868200 796165 72034.6 5.189E+09
SCE 4.6395E+13

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.414168528
Coeficiente de determinación R^2 0.17153557
R^2 ajustado 0.170150178
Error típico 278537.5306
Observaciones 600

ANÁLISIS DE VARIANZA
Grados de libertadSuma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 9.60614E+12 9.60614E+12 123.8173504 2.86213E-26
Residuos 598 4.6395E+13 77583155951
Total 599 5.60009E+13

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 665739.0411 25636.26906 25.96863996 4.0257E-100 615390.9751 716087.1071
Salario 0.13227826 0.011887697 11.12732449 2.86213E-26 0.10893155 0.15562497

A continuación, se presentan algunos de los residuales

Análisis de los residuales

Pronóstico
Observación GASTOS Residuos Residuos estándares
1 767196.4664 113203.5336 0.40676079
2 782540.7445 294059.2555 1.056608139
3 808335.0051 151264.9949 0.54352251
4 899474.7261 630925.2739 2.267028726
5 958338.5517 650561.4483 2.337585055
6 1149612.915 662487.0846 2.380436025
7 1201201.437 448898.5633 1.612973802
8 722671.6041 255408.3959 0.917728603
9 725489.131 499850.869 1.79605466
10 741574.1674 84585.83257 0.303932209
11 753981.8682 192438.1318 0.691465045
12 754524.2091 108215.7909 0.388838927
13 768241.4646 544738.5354 1.957344172
14 770318.2333 159801.7667 0.574196677
15 771561.6489 479438.3511 1.722708788
16 774656.9602 565023.0398 2.030230068
17 778082.9671 465777.0329 1.673621199
18 782514.2888 552045.7112 1.983600177
19 785821.2453 486738.7547 1.74894046
20 796165.4052 72034.59476 0.258833339
 2500000

2000000
y = 0.1323x + 665739
R² = 0.1715
1500000
Gastos

GASTOS
1000000
Linear (GASTOS)

500000

0
0 1000000 2000000 3000000 4000000 5000000
Salario

Como se observa en el diagrama de dispersión, a medida que aumenta el salario los gastos tienden
a aumentar.

R CUADRADO

ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los
libertad cuadrados cuadrados
Regresión 1 9.60614E+12 9.60614E+12
Residuos 598 4.6395E+13 77583155951
Total 599 5.60009E+13

𝑆𝐶𝐸
𝑟2 = 1 −
𝑆𝐶𝑇
46394727258881.7
𝑟2 = 1 −
56000868061407.3
𝑟 2 = 0.1715
La variabilidad de la variable dependiente gastos es explicada por el modelo lineal en un
17.15%, como lo indica el coeficiente de determinación.