Ejercicio de regresion lineal

ANALISIS DE REGRESION LINEAL.
En un hipermercado el número de horas que el personal de oficina trabaja al día, depende de las siguientes variables:
y=Numero de horas
x1=Numero de articulos de correspondencia procesados abrir, ordenar, ect
x2 =Numeor de giros de efectivo
x3=Numero de pagos en ventanilla
x4 =Numero de transacciones de modificacion de pedido procesados
x5=Numero de chequescobrados
x6=Numero de articulos de correspondencia procesados
x7=Numero de boletas de autobus vendidos
En la tabla que se adjunta se presenta los datos sobre estas variables recopiladas en 43 días de trabajo.

TABLA |
OBS. | Días de la semana | Y | X1 | X2 | X3 | X4 | X5 | X6 | X7 |
1 | L | 128,5 | 7781 | 100 | 886 | 235 | 644 | 56 | 737 |
2 | M | 113,6 | 7004 | 110 | 962 | 388 | 589| 57 | 1029 |
3 | M | 146,6 | 7267 | 61 | 1342 | 398 | 1081 | 59 | 830 |
4 | J | 124,3 | 2129 | 102 | 1153 | 457 | 891 | 57 | 1468 |
5 | V | 100,4 | 4878 | 45 | 803 | 577 | 537 | 49 | 335 |
6 | S | 119,2 | 3999 | 144 | 1127 | 345 | 563 | 64 | 918 |
7 | L | 109,5 | 11777 | 123 | 627 | 326 | 402 | 60 | 335 |
8 | M | 128,5 | 5764 | 78 | 748 | 161 | 495 | 57 | 962 |
9 | M | 131,2 | 7392| 172 | 876 | 219 | 823 | 62 | 665 |
10 | J | 112,2 | 8100 | 126 | 685 | 287 | 555 | 86 | 577 |
11 | V | 95,4 | 4736 | 115 | 436 | 235 | 456 | 38 | 214 |
12 | S | 124,6 | 4337 | 110 | 899 | 127 | 573 | 73 | 484 |
13 | L | 103,7 | 3079 | 96 | 570 | 180 | 428 | 59 | 456 |
14 | M | 103,6 | 7273 | 51 | 826 | 118 | 463 | 53 | 907 |
15 | M | 133,2 | 4091 | 116 | 1060 | 206 | 961 | 67 | 951|
16 | J | 111,4 | 3390 | 70 | 957 | 284 | 745 | 77 | 1446 |
17 | V | 97,7 | 6319 | 58 | 559 | 220 | 539 | 41 | 440 |
18 | S | 132,1 | 7447 | 83 | 1050 | 174 | 553 | 63 | 1133 |
19 | L | 135,9 | 7100 | 80 | 568 | 124 | 428 | 55 | 456 |
20 | M | 131,3 | 8035 | 115 | 709 | 174 | 498 | 78 | 968 |
21 | M | 150,4 | 5579 | 83 | 568 | 223 | 683 | 79 | 660 |
22 | J | 124,9 | 4338 | 78 | 900| 115 | 556 | 84 | 555 |
23 | V | 97 | 6895 | 18 | 442 | 118 | 479 | 41 | 203 |
24 | S | 114,1 | 3629 | 133 | 644 | 155 | 505 | 57 | 781 |
25 | L | 88,3 | 5149 | 92 | 389 | 124 | 405 | 59 | 236 |
26 | M | 117,6 | 5241 | 110 | 612 | 222 | 477 | 55 | 616 |
27 | M | 128,2 | 2917 | 69 | 1057 | 378 | 970 | 80 | 1210 |
28 | J | 138,8 | 4390 | 70 | 974 | 195 | 1027 | 81 | 1452 |
29 | V |109,5 | 4957 | 24 | 783 | 358 | 893 | 51 | 616 |
30 | S | 118,9 | 7099 | 130 | 1419 | 374 | 609 | 62 | 957 |
31 | L | 122,2 | 7337 | 128 | 1137 | 238 | 461 | 51 | 968 |
32 | M | 142,8 | 8301 | 115 | 946 | 191 | 771 | 74 | 719 |
33 | M | 133,9 | 4889 | 86 | 750 | 214 | 513 | 69 | 489 |
34 | J | 100,2 | 6308 | 81 | 461 | 132 | 430 | 49 | 341 |
35 | V | 116,8 | 6908 | 145 | 864 | 164 | 549| 57 | 902 |
36 | S | 97,3 | 5345 | 116 | 604 | 127 | 360 | 48 | 126 |
37 | L | 98 | 6994 | 59 | 714 | 107 | 473 | 53 | 726 |
38 | M | 136,5 | 6781 | 78 | 917 | 171 | 805 | 74 | 1100 |
39 | M | 111,7 | 3142 | 106 | 809 | 335 | 702 | 70 | 1721 |
40 | J | 98,6 | 5738 | 27 | 546 | 126 | 455 | 52 | 502 |
41 | V | 116,2 | 4931 | 174 | 891 | 129 | 481 | 71 | 737 |
42 | S | 108,9 | 6501 |69 | 643 | 129 | 334 | 47 | 473 |
43 | L | 120,6 | 5678 | 94 | 828 | 107 | 384 | 52 | 1083 |

1. Encuentre la ecuación de regresión MCO que permite estimar Y con base en x1; x2: x3; x4; x5; x6; x7.

Coeficientesa |
Modelo | Coeficientes no estandarizados | Coeficientes tipificados | t | Sig. | Intervalo de confianza de 95,0% para B | Correlaciones | Estadísticos de colinealidad || B | Error típ. | Beta | | | Límite inferior | Límite superior | Orden cero | Parcial | Semiparcial | Tolerancia | FIV |
1 | (Constante) | 52,339 | 11,521 | | 4,543 | ,000 | 28,949 | 75,729 | | | | | |
| N. de artic.decorresp. procesados ( abrir, ordenar, etc) | ,002 | ,001 | ,208 | 1,793 | ,082 | ,000 | ,004 | ,075 | ,290 | ,192 | ,854 | 1,171 |
| N. de giros de efectivo |...