PRUEBA GLOBAL:

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

a. Predictors: (Constant), Potencial de Mercado (X4), Dolares en pubicidad (X1), Numero de

Competidores (X3), Numero de Cuentas (X2)
b. Dependent Variable: Venta en miles de dolares (Y)

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.

ANALISIS DE MATRIZ DE CORRELACION

Correlations

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

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

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

= -0.324 No hay problemas de multicolinealidad ya que est en

el rango de -0.7 y 0.7

Rx x
2

= 0.468 Hay problemas de multicolinealidad ya que est en el

rango de -0.7 y 0.7

Rx

x4

= -0.202 No hay problemas de multicolinealidad ya que est en

el rango de -0.7 y 0.7

Luego de analizar la multicolinealidad no presentan ningn problema

por lo tanto X2 X3 X4 se quedan en el modelo.

PRUEBA COEFICIENTES DE REGRESION

Coefficientsa
Model

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)

a. Dependent Variable: Venta en miles de dolares (Y)

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

Numero de Cuentas (X2)

Numero de Competidores

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

ANALISIS DE COEFICIENTE DE CORRELACION Y

DETERMINACION MULTIPLE
Model Summary
Model
R
dime

.994a

R Square
.988

Adjusted R

Std. Error of the

Square

Estimate
.987

9.8034

nsion

a. Predictors: (Constant), Numero de Competidores (X3), Numero de

Cuentas (X2)

Coeficiente de correlacin Mltiple R=0.994

Existe una relacin fuerte entre las ventas, numero de cuentas y
de competidores
Coeficiente de determinacin mltiple

R2=0. 988

El 98.8% de la variacin en la venta depende de numero de

cuentas y competidores.