El gerente de la empresa agroindustrial Bajo Mayo estudia la relacin entre la

variable dependiente: Y=Gastos y la variable independiente X=Salario ,de su

personal obrero. Si una muestra aleatoria de 20 obreros revelo los siguientes
datos el dlares por semana

Nro x y
1 25 18
2 25 21
3 25 24
4 28 22
5 28 24
6 28 27
7 35 29
8 35 32
9 40 33
10 40 35
11 40 37
12 50 39
13 50 42
14 50 46
15 70 50
16 70 54
17 70 58
18 80 65
19 80 70
20 80 75

Interpretacin

Resumen del modelo

R cuadrado Error tp. de la

Modelo R R cuadrado corregida estimacin
1 ,977(a) ,955 ,952 3,722
a Variables predictoras: (Constante), X

Coeficiente de determinacin o R^2

Es el porcentaje de la varianza de Y que queda explicada por la regresin de Y
sobre X
Cuanto mayor es R^2 menor es la dispersin
R^2=95.5% ,se interpreta que el 95.5% de la variacin de la variable
dependiente Y es explicada por la regresin lineal. Es decir de los 96 puntos
que estuvieran en la lnea de represin ,4 estaran fuera
ANOVA(b)
 Suma de Media
Modelo cuadrados gl cuadrtica F Sig.
1 Regresin 5279,653 1 5279,653 381,208 ,000(a)
Residual 249,297 18 13,850
Total 5528,950 19
a Variables predictoras: (Constante), X
b Variable dependiente: Y

Mtodo de ANOVA para B

Antes de analizar el modelo de regresin se tiene que evaluar si b es
significativo o no
Si es b diferente de 0 hay indicios de regresin en la poblacin
Si b=0 el modelo de regresin estimado no podra ser aplicado para hacer
predicciones
Hiptesis nula :b=0
Hipotesis alternativa., b es diferente de 0
Si el F calculado es mayor que F tabla entonces B es diferente de 0
F=MCR/MCE=Fcal
Ftabla=f(1,n-2)=f(1,18)=4.41
Coeficientes(a)

Coeficientes
Coeficientes no estandarizado
estandarizados s

Modelo B Error tp. Beta t Sig.

1 (Constante) 1,129 2,160 ,522 ,608
X ,820 ,042 ,977 19,525 ,000
a Variable dependiente: Y

B=0.82,por cada aumento de $1 en los salarios semanales, corresponde un

gasto promedio de 0.82$ en los gastos semanales