el objetivo de este video es presentar la solución a un caso de regresión lineal múltiple para lo cual lo primero que tenemos que hacer es Bajar este archivo Excel el cual está en la descripción de este video tenemos que descargarlo para poder darle solución bueno leamos el caso eh Este ha sido adaptado del libro estadística para administración y economía de Richard Levy nos dice que el servicio interno de contribuciones IRS de Estados Unidos Está tratando de estimar la cantidad mensual de impuestos no pagados descubiertos por su departamento de auditorías en el pasado IRS ha realizado predicciones en base al número de horas de trabajo de auditorías de campo pero en los últimos años esta forma de realizar pronósticos ha tenido sus falencias Por lo cual el caso nos presenta la propuesta de si se puede adicionar a esta a este modelo una variable independiente más el número de horas que usan las computadoras para detectar impuestos no pagados entonces podría combinarse esta información con los datos referentes a las horas de trabajo de auditorías de campo Bueno vamos a verlo Tenemos aquí los datos del mes de enero el mes de octubre las tres variables impuestos reales no pagados descubiertos que sería la variable dependiente y Tenemos también dos independientes x sub 1 y x [Música] sub2 lo que se viene haciendo actualmente es determinar los impuestos reales no pagados descubiertos en base a x sub un en base a las horas de trabajo de auditoría de campo Entonces vamos a realizar su respectivo análisis el cual sería meramente eh un análisis de regresión lineal simple tenemos que verificar si tenemos activada la opción análisis de datos en nuestro Excel nos vamos a archivo opciones complementos ir y efectivamente tenemos eh la las herramientas para análisis activadas aceptar Ahora sí nos vamos a datos análisis de datos buscamos regresión aceptar vamos a definir como Rango y de entrada la variable y y para el rango x de entrada los datos concernientes a x sub 1 es decir el pronóstico que se viene haciendo actualmente le damos aceptar observamos que Excel nos ha generado una hoja de cálculo de forma automática tenemos dos eh importantes valores para analizar el coeficiente r cuadr y r cuadrado ajustado cuál tomar bueno eh se venía tomando el valor r cuadrado para el análisis de regresión lineal simple pero no sucede Lo mismo para el caso de regresión lineal múltiple dado que r cuadrado tiende a incrementarse es decir subir hacia uno a medida que se van añadiendo más variables independientes al modelo es lo que ocurre en el análisis de regresión lineal múltiple por lo tanto no resulta tan objetivo y se opta por elegir el r cuadrado ajustado porque está amortiguando ese efecto de incrementarse el valor de cuadrado cuando se tienen muchas variables Esto fue En referencia x sub 1 volvemos a datos análisis de datos Y regresión ahora qué pasaría si solamente se aplicara el número de horas en computadora como variable independiente En referencia al Rango eh Y de entrada impuestos reales no pagados se tendrían los siguientes resultados el coeficiente r cuad 0. 59 y el r cuadrado ajustado 0. 54 Se observa que este valor es superior al que presenta simplemente el hecho de aplicarse x sub 1 se comprueba lo que se mencionaba en el caso que ya no resulte tan efectivo aplicar el modelo de X sub 1 En referencia a la variable dependiente y pero eh se nos propone el hecho de poder combinar ambas variables para un análisis de regresión lineal múltiple Entonces nos vamos a datos análisis de datos regresión el rango y de entrada se mantiene sigue siendo impuestos reales no pagados descubiertos ahora Rango x de entrada no va a ser solamente x sub1 ni va a ser solamente X sub2 ahora va a ser ambos le damos aceptar se han obtenido los siguientes valores el r cuadrado ajustado es 0.
65 el cual supera a análisis eh lineales simples solamente con x sub1 y x sub2 separados Ahora observemos aquí tenemos el valor de la intercepción de la variable x sub1 y X sub2 La intercepción viene a ser la ordenada y la variable x sub1 y x sub2 bueno todo esto lo vamos a copiar y llevar a la hoja de datos para calcularla los valores respectivos eh se tiene el modelo siguiente para el caso de regresión lineal múltiple vendría a ser B [Música] sub [Música] más B sub 1 por x sub 1 más B sub2 por x sub2 Este es el modelo general de regresión lineal múltiple para el caso específico de este problema Sería de la siguiente forma -13 punto 82 más el B sub1 que vendría a ser 0 punto 56 x sub 1 + el B sub2 que vendría a ser 1 punto eh 10x sub2 Entonces qué pasaría si la variable x sub 1 asumiera el valor de 4300 y la variable x sub2 asumiera 1600 recordemos que tanto x sub1 como x sub2 están expresadas omitiendo dos ceros por lo tanto para adaptarla al modelo sería 43 y 16 entonces la variable y sería la siguiente - 13. 82 + 0. 56 * 43 + 1.
10 * 16 = a 28. 00 pero también recordemos que este valor está expresado en millones por lo tanto esta este valor de y debería también expresarse en [Música] millones lo cual daría como resultado 28,92 3.