Cotizacion materiales kiosco
Enviado por pablooosky21 • 9 de Agosto de 2020 • Biografías • 1.881 Palabras (8 Páginas) • 74 Visitas
[pic 1]
[pic 2]
Heteroscedasticidad
Modelo de regresión múltiple (nivel-nivel)
Se realiza estimación de un modelo de regresión para explicar el precio de las casas en función de algunos atributos.
Esta estimación se llevará a cabo mediante software Excel.
Estadísticas de la regresión | |
Coeficiente de correlación múltiple | 0,822065626 |
Coeficiente de determinación R^2 | 0,675791894 |
R^2 ajustado | 0,660167407 |
Error típico | 59,87696943 |
Observaciones | 88 |
Grados de libertad | Suma de cuadrados | Promedio de los cuadrados | F | P-value | |
Regresión | 4 | 620278,636 | 155069,659 | 43,2521011 | 1,453E-19 |
Residuos | 83 | 297575,872 | 3585,25147 | ||
Total | 87 | 917854,508 |
Coeficientes | Error típico | Estadístico t | Probabilidad | Inferior 95% | Superior 95% | |
Intercepción | -24,12652873 | 29,6034546 | -0,81499031 | 0,41741028 | -83,0066093 | 34,7535518 |
sup.lote | 0,002075832 | 0,00064265 | 3,23010821 | 0,00177419 | 0,00079763 | 0,00335404 |
sup.const | 0,124237475 | 0,01333826 | 9,31436997 | 1,5344E-14 | 0,09770822 | 0,15076674 |
dormi | 11,00429232 | 9,51526042 | 1,15648882 | 0,25079911 | -7,92117796 | 29,9297626 |
colonial | 13,71554215 | 14,6372652 | 0,93702901 | 0,35146221 | -15,3973897 | 42,828474 |
Interpretación de los coeficientes
B1: Para un mismo nivel de superficie construida, dormitorios y colonial por cada m2 extra de superficie lote, el precio de la casa aumenta en un 0,002 M$.
B2: Para un mismo nivel de superficie lote, dormitorios y colonial por cada m2 extra de superficie construida, el precio de la casa aumenta en un 0,12 M$.
B3: Para un mismo nivel de superficie lote, superficie construida y colonial por cada dormitorio extra, el precio de la casa aumenta en un 11 M$.
Significancia global y de cada variable
1.1.1 Significancia del modelo
Para determinar la significancia global del modelo, debemos establecer una prueba de Hipótesis, definiendo Hipótesis nula (H0) y Hipótesis Alternativa (Ha).
Los coeficientes sean igual a cero al mismo tiempo.[pic 3]
[pic 4]
Para dar como aceptada la prueba de Hipótesis utilizaremos el valor P-value. Por lo tanto, nuestro P-value obtenido se debe comparar con .[pic 5]
P-value | [pic 6] | |
1,453E-19 | < | 0,05 |
El P-value es notablemente menor a , por lo tanto, podemos concluir que se rechaza la Hipotesis nula (H0), y se acepta nuestra Hipótesis alternativa, además que nuestro modelo es significativo globalmente.[pic 7]
Significancia de cada variable
Para determinar la significancia de cada variable realizaremos una prueba de hipóteiss con el valor de P.value.
En este caso diremos:
Bi significa que para cada variable realizaremos una prueba de Hipótesis.[pic 8]
[pic 9]
Para simplificar el análisis de la prueba de Hipótesis, indicaremos los valores de cada variable en una tabla:
Variable | P-value | P-value es > o< alfa= 0,05 | Significativo o no significativo |
sup.lote B1 | 0,00177419 | Significativo | |
sup.const B2 | 1,5344E-14 | < que 0,05, se rechaza H0. | Significativo |
Dormi B3 | 0,25079911 | > que 0,05, no se rechaza H0. | No significativo |
Colonial B4 | 0,35146221 | > que 0,05, no se rechaza H0. | No significativo |
...