Regresion simple
Páginas: 6 (1436 palabras)
Publicado: 25 de mayo de 2011
Regresión Simple - GANANCIAS vs. HORARIO
Variable dependiente: GANANCIAS
Variable independiente: HORARIO
Lineal: Y = a + b*X
Coeficientes
| Mínimos Cuadrados | Estándar | Estadístico | |
Parámetro | Estimado | Error | T | Valor-P |
Intercepto | 1164.24 | 347.985 | 3.34567 | 0.0053 |
Pendiente | 10.1744 | 34.3102 | 0.296542 | 0.7715 |
Análisis de Varianza
Fuente | Suma deCuadrados | Gl | Cuadrado Medio | Razón-F | Valor-P |
Modelo | 2374.03 | 1 | 2374.03 | 0.09 | 0.7715 |
Residuo | 350959. | 13 | 26996.9 | | |
Total (Corr.) | 353333. | 14 | | | |
Coeficiente de Correlación = 0.0819692
R-cuadrada = 0.671896 porciento
R-cuadrado (ajustado para g.l.) = -6.96873 porciento
Error estándar del est. = 164.307
Error absoluto medio = 126.899
EstadísticoDurbin-Watson = 2.07284 (P=0.5866)
Autocorrelación de residuos en retraso 1 = -0.103108
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre GANANCIAS y HORARIO. La ecuación del modelo ajustado es
GANANCIAS = 1164.24 + 10.1744*HORARIO
Puesto que el valor-P en la tabla ANOVA es mayor o igual a 0.05, no hay una relaciónestadísticamente significativa entre GANANCIAS y HORARIO con un nivel de confianza del 95.0% ó más.
El estadístico R-Cuadrada indica que el modelo ajustado explica 0.671896% de la variabilidad en GANANCIAS. El coeficiente de correlación es igual a 0.0819692, indicando una relación relativamente débil entre las variables. El error estándar del estimado indica que la desviación estándar de los residuos es164.307. Este valor puede usarse para construir límites de predicción para nuevas observaciones, seleccionando la opción de Pronósticos del menú de texto.
El error absoluto medio (MAE) de 126.899 es el valor promedio de los residuos. El estadístico de Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se presentan en elarchivo de datos. Puesto que el valor-P es mayor que 0.05, no hay indicación de una autocorrelación serial en los residuos con un nivel de confianza del 95.0%.
Regresión Simple - GANANCIAS vs. KILOGRAMOS
Variable dependiente: GANANCIAS
Variable independiente: KILOGRAMOS
Lineal: Y = a + b*X
Coeficientes
| Mínimos Cuadrados | Estándar | Estadístico | |
Parámetro | Estimado | Error |T | Valor-P |
Intercepto | 2139.71 | 882.938 | 2.42339 | 0.0384 |
Pendiente | -30.8824 | 29.8457 | -1.03474 | 0.3278 |
Análisis de Varianza
Fuente | Suma de Cuadrados | Gl | Cuadrado Medio | Razón-F | Valor-P |
Modelo | 23582.9 | 1 | 23582.9 | 1.07 | 0.3278 |
Residuo | 198235. | 9 | 22026.1 | | |
Total (Corr.) | 221818. | 10 | | | |
Coeficiente de Correlación = -0.326062R-cuadrada = 10.6316 porciento
R-cuadrado (ajustado para g.l.) = 0.701811 porciento
Error estándar del est. = 148.412
Error absoluto medio = 110.963
Estadístico Durbin-Watson = 2.41828 (P=0.7678)
Autocorrelación de residuos en retraso 1 = -0.236003
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre GANANCIAS y KILOGRAMOS. Laecuación del modelo ajustado es
GANANCIAS = 2139.71 - 30.8824*KILOGRAMOS
Puesto que el valor-P en la tabla ANOVA es mayor o igual a 0.05, no hay una relación estadísticamente significativa entre GANANCIAS y KILOGRAMOS con un nivel de confianza del 95.0% ó más.
El estadístico R-Cuadrada indica que el modelo ajustado explica 10.6316% de la variabilidad en GANANCIAS. El coeficiente decorrelación es igual a -0.326062, indicando una relación relativamente débil entre las variables. El error estándar del estimado indica que la desviación estándar de los residuos es 148.412. Este valor puede usarse para construir límites de predicción para nuevas observaciones, seleccionando la opción de Pronósticos del menú de texto.
El error absoluto medio (MAE) de 110.963 es el valor promedio...
Variable dependiente: GANANCIAS
Variable independiente: HORARIO
Lineal: Y = a + b*X
Coeficientes
| Mínimos Cuadrados | Estándar | Estadístico | |
Parámetro | Estimado | Error | T | Valor-P |
Intercepto | 1164.24 | 347.985 | 3.34567 | 0.0053 |
Pendiente | 10.1744 | 34.3102 | 0.296542 | 0.7715 |
Análisis de Varianza
Fuente | Suma deCuadrados | Gl | Cuadrado Medio | Razón-F | Valor-P |
Modelo | 2374.03 | 1 | 2374.03 | 0.09 | 0.7715 |
Residuo | 350959. | 13 | 26996.9 | | |
Total (Corr.) | 353333. | 14 | | | |
Coeficiente de Correlación = 0.0819692
R-cuadrada = 0.671896 porciento
R-cuadrado (ajustado para g.l.) = -6.96873 porciento
Error estándar del est. = 164.307
Error absoluto medio = 126.899
EstadísticoDurbin-Watson = 2.07284 (P=0.5866)
Autocorrelación de residuos en retraso 1 = -0.103108
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre GANANCIAS y HORARIO. La ecuación del modelo ajustado es
GANANCIAS = 1164.24 + 10.1744*HORARIO
Puesto que el valor-P en la tabla ANOVA es mayor o igual a 0.05, no hay una relaciónestadísticamente significativa entre GANANCIAS y HORARIO con un nivel de confianza del 95.0% ó más.
El estadístico R-Cuadrada indica que el modelo ajustado explica 0.671896% de la variabilidad en GANANCIAS. El coeficiente de correlación es igual a 0.0819692, indicando una relación relativamente débil entre las variables. El error estándar del estimado indica que la desviación estándar de los residuos es164.307. Este valor puede usarse para construir límites de predicción para nuevas observaciones, seleccionando la opción de Pronósticos del menú de texto.
El error absoluto medio (MAE) de 126.899 es el valor promedio de los residuos. El estadístico de Durbin-Watson (DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se presentan en elarchivo de datos. Puesto que el valor-P es mayor que 0.05, no hay indicación de una autocorrelación serial en los residuos con un nivel de confianza del 95.0%.
Regresión Simple - GANANCIAS vs. KILOGRAMOS
Variable dependiente: GANANCIAS
Variable independiente: KILOGRAMOS
Lineal: Y = a + b*X
Coeficientes
| Mínimos Cuadrados | Estándar | Estadístico | |
Parámetro | Estimado | Error |T | Valor-P |
Intercepto | 2139.71 | 882.938 | 2.42339 | 0.0384 |
Pendiente | -30.8824 | 29.8457 | -1.03474 | 0.3278 |
Análisis de Varianza
Fuente | Suma de Cuadrados | Gl | Cuadrado Medio | Razón-F | Valor-P |
Modelo | 23582.9 | 1 | 23582.9 | 1.07 | 0.3278 |
Residuo | 198235. | 9 | 22026.1 | | |
Total (Corr.) | 221818. | 10 | | | |
Coeficiente de Correlación = -0.326062R-cuadrada = 10.6316 porciento
R-cuadrado (ajustado para g.l.) = 0.701811 porciento
Error estándar del est. = 148.412
Error absoluto medio = 110.963
Estadístico Durbin-Watson = 2.41828 (P=0.7678)
Autocorrelación de residuos en retraso 1 = -0.236003
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre GANANCIAS y KILOGRAMOS. Laecuación del modelo ajustado es
GANANCIAS = 2139.71 - 30.8824*KILOGRAMOS
Puesto que el valor-P en la tabla ANOVA es mayor o igual a 0.05, no hay una relación estadísticamente significativa entre GANANCIAS y KILOGRAMOS con un nivel de confianza del 95.0% ó más.
El estadístico R-Cuadrada indica que el modelo ajustado explica 10.6316% de la variabilidad en GANANCIAS. El coeficiente decorrelación es igual a -0.326062, indicando una relación relativamente débil entre las variables. El error estándar del estimado indica que la desviación estándar de los residuos es 148.412. Este valor puede usarse para construir límites de predicción para nuevas observaciones, seleccionando la opción de Pronósticos del menú de texto.
El error absoluto medio (MAE) de 110.963 es el valor promedio...
Leer documento completo
Regístrate para leer el documento completo.