Professional Documents
Culture Documents
H0: 1 = 2 = 3 = 4 = 0
H1: Al menos una de las diferente de cero.
ANOVAb
Model
1
Sum of Squares
Regression
Residual
Total
df
Mean Square
176777.062
44194.265
1937.137
21
92.245
178714.198
25
F
479.099
Sig.
.000a
Decisin:
Se rechaza H0 (P=00.05)
Conclusin:
Podemos afirmar con un NS 0.05 que al menos una de las betas es
diferente de 0.
Venta en miles
Pearson
de dolares (Y)
Correlation
Venta en
Dolares en
Numero de
Numero de
Potencial de
miles de
pubicidad
Cuentas
Competidores
Mercado
dolares (Y)
(X1)
(X2)
Sig. (2-
.159
(X3)
.783
**
(X4)
-.833
**
.407*
.438
.000
.000
.039
26
26
26
26
26
.159
.173
-.038
-.071
.399
.853
.732
tailed)
N
Dolares en
Pearson
pubicidad (X1)
Correlation
Sig. (2-
.438
tailed)
N
Numero de
Pearson
Cuentas (X2)
Correlation
Sig. (2-
26
26
26
26
26
**
.173
-.324
.468*
.000
.399
.106
.016
26
26
26
26
26
**
-.038
-.324
-.202
.000
.853
.106
26
.783
tailed)
N
Numero de
Pearson
Competidores
Correlation
(X3)
Sig. (2-
-.833
.322
tailed)
N
Potencial de
Pearson
Mercado (X4)
Correlation
Sig. (2-
26
26
26
26
.407
-.071
.468
-.202
.039
.732
.016
.322
26
26
26
26
tailed)
N
Hiptesis:
Decisin:
26
H0:
y x =0
H1:
yx 0
H0 se rechaza (P=0.4380.05)
Conclusin:
Podemos afirmar con un NS de 0.05 que NO hay correlacin
entre Y y X1 por Tanto X1 se queda fuera del modelo.
Hiptesis:
H0: y x =0
2
H1:
Decisin:
H0 se rechaza (P=00.05)
yx 0
2
Conclusin:
Podemos afirmar con un NS de 0.05 que hay correlacin entre Y y
X2 por Tanto X2 se queda en el modelo.
Hiptesis:
H0: y x =0
3
H1:
Decisin:
H0 se rechaza (P=00.05)
yx 0
3
Conclusin:
Podemos afirmar con un NS de 0.05 que hay correlacin entre Y y
X2 por Tanto X2 se queda en el modelo.
Hiptesis:
H0: y x =0
4
Decisin:
H0 se rechaza (P=0.0390.05)
yx 0
H1:
Conclusin:
Podemos afirmar con un NS de 0.05 que hay correlacin entre Y y
X4 por Tanto X4 se queda en el modelo.
Analizamos si existe problemas de multicolinealidad dados que
quedaron las tres variables (X2 X3 X4) veamos su coeficiente
de correlacin
Rx x
2
x4
Standardized
Unstandardized Coefficients
B
(Constant)
Numero de Cuentas (X2)
Numero de Competidores
Coefficients
Std. Error
186.115
12.576
3.380
.165
-21.174
.189
Beta
Sig.
14.799
.000
.568
20.488
.000
.819
-.647
-25.840
.000
.479
.011
.395
.697
(X3)
Potencial de Mercado (X4)
Hiptesis:
H0: 2 = 0
H1: 2 0
Decisin:
H0 se rechaza (P=00.05)
Conclusin:
Podemos afirmar con un NS de 0.05 que 2 0. Por lo tanto X1 se
queda en el modelo
Hiptesis:
H0: 3 = 0
H1: 3 0
Decisin:
H0 se rechaza (P=00.05)
Conclusin:
Podemos afirmar con un NS de 0.05 que 2 0. Por lo tanto X2 se
queda en el modelo
Hiptesis:
H0: 4 = 0
H1: 4 0
Decisin:
H0 no se rechaza (P=0.6970.05)
Conclusin:
No podemos afirmar con un NS de 0.05 que 4 0. Por lo tanto X4
se queda fuera del modelo
ECUACION DE REGRESION MULTIPLE
Coefficientsa
Model
Standardized
Unstandardized Coefficients
B
(Constant)
186.694
12.259
3.408
.146
-21.193
.803
Std. Error
Coefficients
Beta
t
15.230
.000
.573
23.373
.000
-.647
-26.400
.000
(X3)
a. Dependent Variable: Venta en miles de dolares (Y)
Y = 186.694 + 3.408
x2
21.193
Sig.
x3
Donde
Y: ventas en miles
X2: Numero de cuentas
X3: Nmero de competidores
Por cada cuenta activa las ventas aumenta en 3.408 miles de
dlares
Por cada competidor que hay las ventas disminuyen en 21.193
miles de dlares
.994a
R Square
.988
Adjusted R
Square
Estimate
.987
9.8034
nsion
R2=0. 988