Metodologa

En primera instancia el modelo se transform a logaritmos para una mejor interpretacin de

los coeficientes que se estimaran pues, al transformar el modelo a uno logartmico, permitir
realizar interpretaciones en trminos relativos (elasticidades).

Al realizar la primera corrida con todas las variables propuestas se observa que algunas no son
significativas pues, poseen un p valor mayor a 0.05, entonces se procede a eliminar variables
para poder una mejor significancia del modelo, continuando el proceso al final el modelo queda
conformado por las variables

Resumen del modelob

R cuadrado Error tp. de la

Modelo R R cuadrado corregida estimacin Durbin-Watson
1 .997a .993 .993 .09667 .669
a. Variables predictoras: (Constante), LDW, LTCD, LTR, LZINC, LPLATA, LIPC, LTCE, LLiquidez,
LPPET, LPORO, LPBI, LNA, LCAPB, LCOBRE
b. Variable dependiente: LIGBVL
El 99.3% de las variables de la variabilidad total de las variable Y es explicada por la
variable X

DURBIN WATSON

El estadstico de Durbin-Watson, desarrollado por el reputado economista Watson, es

una estadstica de prueba que se utiliza para detectar la presencia de autocorrelacin (una
relacin entre los valores separados el uno del otro por un intervalo de tiempo dado) en los
residuos (errores de prediccin) de un anlisis de la regresin. Lleva el nombre de James
Durbin y Geoffrey Watson.

El Test de Durbin-Watson permite evaluar si existe autocorrelacin en una Regresin

lineal, sea simple o mltiple. Con ello se pretende ver si los valores presentan algn tipo de
dependencia en cuanto al orden de obtencin.

Autocorrelacin positiva No existe Autocorrelacin de Autocorrelacion positiva

errores

0 1 3 4

Durbin-
Watson
.669

Como podemos apreciar a un nivel de significacin del 5 % no existe autocorrelacin de

errores.
SIGNIFICANCIA GLOBAL

ANOVAa

Suma de Media
Modelo cuadrados gl cuadrtica F Sig.
1 Regresin 165.302 14 11.807 1263.367 .000b
Residual 1.112 119 .009
Total 166.414 133
a. Variable dependiente: LIGBVL
b. Variables predictoras: (Constante), LDW, LTCD, LTR, LZINC, LPLATA, LIPC, LTCE, LLiquidez,
LPPET, LPORO, LPBI, LNA, LCAPB, LCOBRE

Al analizar una significancia global del modelo tenemos que:

I) Plantear la hiptesis

-Hiptesis nula (H0): 1= 2= 3= 4.= 14= 15= 16=0

-Hiptesis alternativa ( H1):Al menos un i diferente de cero.

II) Nivel de significacin

Con un =0.05

III) Prueba de Fischer(F)

*FISCHER CALCULADO

ZONA DE
ZONA DE
RECHAZO
ACEPTACIN

FTab=1.74 Fcal=1263.367

Con la aplicacin del programa spss en la tabla de Anova podemos apreciar el Fcalculado es :

Fcalculado
1263.367
*FISHER TABULADO:

Ftabulado(1-;G.L regresin; G.l error. )

Ftabulado(0.95;14;119)=1.74

IV) Conclusin
Fcalculado Ftabulado ; entonces se rechaza la hiptesis nula .
Con un nivel de significacin de 5% se rechaza la hiptesis nula por lo tanto al menos una de
las variables contribuye al modelo de regresin mltiple.

MODELO 2 CORREGIDO:

a
Variables introducidas/eliminadas
Variables Variables
Modelo introducidas eliminadas Mtodo
Como se apreci en el anlisis del
1 LCOBRE,
modelo 1, al realizar las tcnicas de
LTCD, LTR, significancia, tanto global e individual,
LTCE, se procedi a eliminar del modelo a las
LPLATA, Introducir
variables no significativas y se realiz
LLiquidez,
LNA, LCAPB, una nueva corrida con las variables
LPBIb restantes y se obtuvieron los
a. Variable dependiente: LIGBVL siguientes resultados.
b. Todas las variables solicitadas introducidas.

b
Resumen del modelo

R cuadrado Error tp. de Durbin-

Modelo R R cuadrado corregida la estimacin Watson
1 .996
a
.992 .992 .10230 .338
a. Variables predictoras: (Constante), LCOBRE, LTCD, LTR, LTCE, LPLATA, LLiquidez,
LNA, LCAPB,
b. Variable LPBI
dependiente: LIGBVL

Analizando el coeficiente de determinacin podemos concluir que: El 99.2% de la

variabilidad de Y (IGVBL) es explicada por las variables X.
Analizando el valor del estadstico de Durbin Watson que es igual a 0.338 y se encuentra
entre 1 y 3, podemos concluir que: Con un nivel de significacin de 0.05, no hay
autocorrelacin de los errores.
SIGINIFICANCIA GLOBAL:

ANOVAa
Suma de Media
Modelo cuadrados gl cuadrtica F Sig.
1 Regresin 295.247 9 32.805 3134.721 .000b
Residual 2.344 224 .010
Total 297.591 233
a. Variable dependiente: LIGBVL
b. Variables predictoras: (Constante), LCOBRE, LTCD, LTR, LTCE, LPLATA, LLiquidez, LNA, LCAPB,
LPBI

Al analizar una significancia global del modelo tenemos que:

I) Plantear la hiptesis

-Hiptesis nula (H0): 1= 2= 3= 4.= 14= 15= 16=0

-Hiptesis alternativa ( H1):Al menos un i diferente de cero.

II) Nivel de significacin

Con un =0.05

III) Prueba de Fischer(F)

*FISCHER CALCULADO

ZONA DE
ZONA DE
RECHAZO
ACEPTACIN

FTab=1.93 Fcal=3134.721

Con la aplicacin del programa spss en la tabla de Anova podemos apreciar el Fcalculado es :

Fcalculado
3134.721
*FISHER TABULADO:

Ftabulado(1-;G.L regresin; G.l error. )

Ftabulado(0.95;9;224)=1.93

IV) Conclusin
Fcalculado Ftabulado ; entonces se rechaza la hiptesis nula .
Con un nivel de significacin de 5% se rechaza la hiptesis nula por lo tanto al menos una de
las variables contribuye al modelo de regresin mltiple.
 a
Coeficientes
Coeficientes no Coeficientes
estandarizados tipificados Correlaciones Estadsticos de colinealidad
Modelo B Error tp. Beta t Sig. Orden cero Parcial Semiparcial Tolerancia FIV
1 (Constante) -2.599 1.029 -2.527 .012
LLiquidez -.251 .074 -.144 -3.377 .001 .891 -.220 -.020 .019 52.005
LCAPB .995 .048 .895 20.837 .000 .988 .812 .124 .019 52.468
LTCE -.429 .090 -.055 -4.791 .000 -.725 -.305 -.028 .266 3.764
LTCD .796 .178 .080 4.468 .000 -.433 .286 .026 .110 9.077
LTR .046 .016 .029 2.791 .006 -.557 .183 .017 .318 3.145
LPBI -.171 .178 -.044 -.958 .339 .922 -.064 -.006 .017 59.841
LNA .337 .121 .124 2.779 .006 .862 .183 .016 .018 56.306
LPLATA .036 .016 .027 2.250 .025 .860 .149 .013 .253 3.955
LCOBRE .261 .046 .162 5.619 .000 .979 .351 .033 .042 23.671
a. Variable dependiente: LIGBVL

Correlaciones de los coeficientes a

Modelo LCOBRE LTCD LTR LTCE LPLATA LLiquidez LNA LCAPB LPBI
1 Correlacione LCOBRE 1.000 .056 -.140 .030 -.077 .361 -.299 -.735 .035
s LTCD .056 1.000 -.329 -.362 .037 .274 -.849 .199 .347
LTR -.140 -.329 1.000 .105 -.077 -.432 .583 .034 .039
LTCE .030 -.362 .105 1.000 -.055 -.370 .233 .255 .000
LPLATA -.077 .037 -.077 -.055 1.000 -.030 -.047 -.205 .074
LLiquidez .361 .274 -.432 -.370 -.030 1.000 -.423 -.275 -.560
LNA -.299 -.849 .583 .233 -.047 -.423 1.000 .029 -.369
LCAPB -.735 .199 .034 .255 -.205 -.275 .029 1.000 -.133
LPBI .035 .347 .039 .000 .074 -.560 -.369 -.133 1.000
Covarianzas LCOBRE .002 .000 .000 .000 -5.711E-05 .001 -.002 -.002 .000
LTCD .000 .032 -.001 -.006 .000 .004 -.018 .002 .011
LTR .000 -.001 .000 .000 -2.007E-05 -.001 .001 2.656E-05 .000
LTCE .000 -.006 .000 .008 -7.912E-05 -.002 .003 .001 7.813E-06
LPLATA -5.711E-05 .000 -2.007E-05 -7.912E-05 .000 -3.556E-05 -9.046E-05 .000 .000
LLiquidez .001 .004 -.001 -.002 -3.556E-05 .006 -.004 -.001 -.007
LNA -.002 -.018 .001 .003 -9.046E-05 -.004 .015 .000 -.008
LCAPB -.002 .002 2.656E-05 .001 .000 -.001 .000 .002 -.001
LPBI .000 .011 .000 7.813E-06 .000 -.007 -.008 -.001 .032
a. Variable dependiente: LIGBVL