Tema

Por: Y.C.V.
1
Problema: El precio de una vivienda

2
 Disfrute
Nmero de
de dormitorios
Nmero parques

de pisos
Ideas Zona
Antiguedad

Material
Ubicacin rea de
distrital
la casa
Nmero
de
rea del
baos garaje

Principales fuentes o referencias La idea tiene que ver con3 la

solucin del problema. Las
para estimar el precio de una
mejores referencias son las
vivienda que se dejen investigar.
 Al finalizar la clase el
Logros de estudiante estar en
Aprendizaje: condiciones de:

Explicar la construccin de modelos usando la

tcnica de regresin mltiple.
1.

Aplicar el anlisis de regresin mltiple en la toma

de decisiones de negocios.
2.
Analizar e interpretar los resultados del programa
estadstico SPSS para un modelo de regresin
3. mltiple.

4
1. Construccin del Modelo de RLM

Se ha visto el tema del anlisis de regresin simple. Por ejemplo:

Precio de la casa = 0 + 1(rea de la casa) +

Pero en general, una variable dependiente depende de ms de una

variable independiente:
Precio de la casa puede depender de:
rea
Antigedad
Nmero de baos
rea del garaje
Nmero de pisos
Etc.

5
1. Construccin del Modelo de RLM

Para tratar este tipo

de problemas se Regresin Lineal
requiere expandir el Simple
anlisis de regresin:

Regresin Lineal
Mltiple

6
1. Construccin del Modelo de RLM

Para tratar este tipo

de problemas se
requiere expandir el y = 0 + 1x1 +
anlisis de regresin:

y = 0 + 1x1 + 2 x 2 + + k x k +

7
1. Construccin del Modelo de RLM

Modelo poblacional:
Y-intercepto Pendientes Error aleatorio

y = 0 + 1x1 + 2 x 2 + + k x k +

Modelo de regresin mltiple estimado:

Valor estimado o y-intercepto Pendientes estimadas
predecido de estimado

y = b 0 + b1x1 + b 2 x 2 + + b k x k
8
1. Construccin del Modelo de RLM
Supuestos

Es un modelo lineal en los parametros

1
El modelo consta de una parte no aleatoria las, xi, y una parte
2 aleatoria, los i.
Para cada combinacion de valores xi existe una poblacion de
3 valores yi que se distribuye en forma normal.
La varianza de todas la poblaciones de valores yi que
4. corresponden a cada combinacion de valores xi son todas iguales.

Los valores yi son independientes entre si.

5

Los valores i son independientes entre si.

6
Los terminos del error, las i se distribuyen en forma normal con
7 media de 0.
Daz Mata, A.(2013). 9
 1. Construccin del Modelo de RLM

Proceso de
estimacin
en la
regresin
mltiple

10
1. Construccin del Modelo de RLM
Asi como en RLS se estimaron b0 y b1 para la ecuacin de RLS empleando el mtodo
de mnimos cuadrados. En regresin mltiple, tambin se utiliza mnimos cuadrados
para calcular b0, b1, b2, . . . , bk, empleando el lgebra de matrices por esta razn, en
el estudio de RLM, centrar la atencin en el uso del software SPSS para obtener la
ecuacin de regresin estimada y algunas otras informaciones.

Datos Resultados

Etc., etc.
11
2. Aplicar el anlisis de regresin mltiple
en la toma de decisiones de negocios

Ejemplo
En qu forma los vendedores de bienes races determinan el precio de
venta para una vivienda recin inscrita en lista?
La base de datos siguiente contiene el precio de venta de lista y (en miles de
dlares), la cantidad de rea de vivienda x1 (en cientos de pies cuadrados),
as como los nmeros de pisos x2, dormitorios x3 y baos x4, para n = 15
viviendas seleccionados al azar actualmente en el mercado. Datos de
Mendenhall, W.; Beaver, R. & Beaver, B. (2010).

Modelo de RLM propuesto para el anlisis:

y = 0 + 1rea + 2 pisos + 3dormitorios + k baos +

12
2. Aplicar el anlisis de regresin mltiple
en la toma de decisiones de negocios
Datos de 15 viviendas

Observacin Precio de rea de vivienda Pisos Dormitorios Baos

lista x1 x2 x3 x4
y
1 169.0 6 1 2 1
2 218.5 10 1 2 2
3 216.5 10 1 3 2
4 225.0 11 1 3 2
5 229.9 13 1 3 1.7
6 235.0 13 2 3 2.5
7 239.9 13 1 3 2
8 247.9 17 2 3 2.5
9 260.0 19 2 3 2
10 269.9 18 1 3 2
11 234.9 13 1 4 2
12 255.0 18 1 4 2
13 269.9 17 2 4 3
14 294.5 20 2 4 3
15 309.9 21 2 4 3
13
3. Anlisis e interpretacin de los resultados
del programa estadstico SPSS
E Coeficientesa

S
Coeficientes no
T estandarizados
I Error
Modelo B estndar
M 1 (Constante) 118,763 9,207
A rea de la vivienda 6,270 ,725
C Nmero de pisos -16,203 6,212
Nmero de -2,673 4,494
I dormitorios
Nmero de baos 30,271 6,849
N a. Variable dependiente: Precio de lista

Algunas interpretaciones:
Por cada 100 pies cuadrados de aumento en el rea de la vivienda, el precio
promedio de lista de la vivienda aumenta en 6.270 miles de dlares cuando las
dems variables permanecen constantes.
Por cada dormitorio adicional instalado en la vivienda, el precio promedio de lista de
la vivienda disminuye en 2.673 miles de dlares cuando las dems variables
permanecen constantes.
14
3. Anlisis e interpretacin de los resultados
del programa estadstico SPSS

Prueba de la utilidad del modelo de regresin

Test de significacin global

Como el valor p = 0.000 <

0.05, se puede declarar
ANOVAa
que la regresin es
Suma de Media altamente significativa.
Modelo cuadrados gl cuadrtica F Sig.
1 Regresin 15913,048 4 3978,262 84,801 ,000b Esto es, al menos una de
Residuo 469,129 10 46,913 las variables predictoras
est aportando
Total 16382,177 14
informacin significativa
a. Variable dependiente: Precio de lista
para la prediccin de la
b. Predictores: (Constante), Nmero de baos, Nmero de dormitorios, Area de variable respuesta y.
la vivienda, Nmero de pisos

15
 3. Anlisis e interpretacin de los resultados
del programa estadstico SPSS

Exploracin de la naturaleza de la utilidad en ms detalle.

Pruebas t individual o de contribucin

Coeficientesa Al examinar los

Coeficientes valores p de la ltima
Coeficientes no estandariza columna, se puede
estandarizados dos ver que todas las
Error variables agregan
Modelo B estndar Beta t Sig. suficiente informacin
1 (Constante) 118,763 9,207 12,899 ,000 para predecir y,
rea de la vivienda 6,270 ,725 ,795 8,645 ,000 excepto x3.
Nmero de pisos -16,203 6,212 -,240 -2,608 ,026
Una opcin es
Nmero de -2,673 4,494 -,053 -,595 ,565
eliminar esta variable
dormitorios
y reajustar el modelo
Nmero de baos 30,271 6,849 ,479 4,420 ,001
con un nuevo
a. Variable dependiente: Precio de lista
conjunto de datos.

16
3. Anlisis e interpretacin de los resultados
del programa estadstico SPSS

Comprobacin de suposiciones de regresin

Homocedasticidad e independencia

Parece haber tres observaciones que no se ajustan al patrn general. Pero an as estn dentro
de 2 desviaciones estndar.
17
3. Anlisis e interpretacin de los resultados
del programa estadstico SPSS

Comprobacin de suposiciones de regresin

Normalidad

Se pueden ver tres

puntos como
resultados atpicos
en la grfica. Es
probable que estas
tres observaciones
deban investigarse,
pero no dan fuerte
evidencia de que las
suposiciones se
hayan violado.

18
3. Anlisis e interpretacin de los resultados
del programa estadstico SPSS

Comprobacin de suposiciones de regresin

Multicolinealidad. Es un problema que se da cuando las variables

independientes estn altamente correlacionadas.
Correlaciones
Area de la Nmero de Nmero de Nmero de Se considera
vivienda pisos dormitorios baos
* **
que un par de
Area de la vivienda Correlacin de 1 ,630 ,711 ,720**
variables
Pearson
independientes
Sig. (bilateral) ,012 ,003 ,002
*
son aceptables
Nmero de pisos Correlacin de ,630 1 ,375 ,760**
si su correlacin
Pearson
Sig. (bilateral) ,012 ,168 ,001
no es mayor de
Nmero de Correlacin de ,711** ,375 1 ,675** 0.7, en sentido
dormitorios Pearson positivo o en
Sig. (bilateral) ,003 ,168 ,006 sentido
Nmero de baos Correlacin de ,720 ** ,760** ,675** 1 negativo.
Pearson
Sig. (bilateral) ,002 ,001 ,006 Daz Mata, A.(2013).
*. La correlacin es significativa en el nivel 0,05 (2 colas).
**. La correlacin es significativa en el nivel 0,01 (2 colas).
19
 3. Anlisis e interpretacin de los resultados
del programa estadstico SPSS

Uso del modelo de regresin para estimacin y prediccin

Veamos qu tan bien funciona nuestra prediccin para los datos de bienes
races, usando referencias de otra casa. Si tenemos una casa con 1000 pies
cuadrados de superficie de vivienda, un piso, tres dormitorios y dos baos, con
precio de lista de $221 500.

Modelo con todas las variables:

Estimacin puntual = 217,77965

Intervalo de confianza: Li = 210,85868; Ls = 224,70063

Modelo con todas las variables (excepto x3):

Estimacin puntual = 218,03468

Intervalo confidencial: Li = 211,46539; Ls = 224,60397
20
Analisis del Modelo de Regresin Lineal Mltiple

21
BIBLIOGRAFA

Daz Mata, A.(2013). Estadstica aplicada a la administracin y la

economa. Mxico. McGraw-Hill/Interamericana Editores, S.A. de
C.V. Primera edicin.
Mendenhall, W.; Beaver, R. & Beaver, B.(2010). Introduccin a la
probabilidad y estadstica Mxico. Cengage Learning Editores,
S.A. de C.V.,13th ed.

22
ANEXOS

23
 1. Construccin del Modelo de RLM
Modelo de dos variables:

y
y = b0 + b1x1 + b 2 x 2

x2

Llamado hiperplano de regresin

x1
24
 1. Construccin del Modelo de RLM
Modelo de dos variables:

y Observacin
yi
<
muestral y = b0 + b1x1 + b 2 x 2

yi

<
e = (y y)

x2i
x2

x1i <La ecuacin de mejor ajuste,

y, es hallada minimizando la
suma de cuadrados del error,
x1 e2
CRITERIO DE MNIMOS CUADRADOS
25