Regresion Lineal Y Forecast
R-Cuadrado: La variación en mi eje Y es explicada por "x" % por la variación en mi eje X. R-Cuadrado Ajustado: Se interpreta igual que la R-Cuadrada solo que cuando estamosevaluando varios modelos (con distinto número de variables) es obligatorio comparar a través de R-Ajustada. Error estimado, en la medida que R-Cuadrado aumenta, nuestro Sterr of Estimate aumenta. Elgrado de error de acuerdo a las variables.
F-Ratio aumenta proporcional a P-Value
P-Value siempre debe estar por debajo de nuestro % de Alfta --> Generalmente se usa 5%. En ciencias sociales elprofesor mencionaba se puede llegar a trabajar hasta en un 15% tomando en cuenta la poca confiabilidad de las muestras y las variables %5 Alfa (P-Value, Nivel de Significancia ) = 100 - Nivel deconfianza Si el valor de P-Value es menor a nuestro Alfa (5%) entonces: Ho - Todas las Betas son igual a 0 Ha - Al menos una de mis Betas no es igual a 0-Mi error es bueno En este caso: P-Value es menor a0.05 / 5% , por lo tanto se rechaza Ho ya que al menos una de las Betas no es igual a 0.
P-Value
9 + 2 = 11 + 1 = 12 ( Numero de observaciones ) Si nuestro objetivo es pronosticar, y nuestroPValue e Intervalos no cumplen podemos dejar la variable si nuestro TValue es mayor a 1
En el caso de las dumies, los datos de los coeficientes de comparan e interpretan con respecto a la dommieexcluida, o excluidas en caso que mas de alguna haya sido excluida. Generalmente de excluye la última variable dummie.
Estos coeficientes tienen su interpretación respecto a la variable dependiente. Eneste caso: Por cada No. de anuncios, nuestras ventas aumentan en promedio US$ 0.62. Por cada dolar invertido en anuncios, nuestras ventas aumentan en promedio US$ 2.13 Ejemplo de modelo: Modelo = 6.58 +0.62*No.Anuncios + 2.13*Cost.Anunc.
PValues deben ser menos a 0.05 para entonces aceptar o rechazar Ho.
Es necesario Observar en los intervalos de confianza si no pasan po 0, si es asi...
Regístrate para leer el documento completo.