REGRESIÓN MULTIPLE

1. Matriz de correlación

Observamos que entre las variables independientes existe correlación significativa, lo que
puede establecer que el modelo no sea el que más se ajusta al precio de venta.

El precio de venta tiene correlación positiva con el área construida, el N° de habitaciones

y área de terreno.

2. Coeficiente de correlación múltiple: R=0.975: existe una alta correlación entre el

precio de venta y el área construida, el n° de habitaciones y el área de terreno.

3. Coeficiente de determinación múltiple: : el área construida, el n° de

habitaciones y el área de terreno explican en 95.1% al precio de venta y no lo explican en
4.9%.

4. El modelo de estimación del precio de venta es:

5. Interpretación de los coeficientes:

 B1= 0.9327: cuando AC varié en una unidad y el NH con el AT se mantengan

constantes el precio de venta se incrementara en 0.932.

 B2=-16.2085: cuando NH varié en una unidad y el AC con el AT se mantengan

constantes el precio de venta disminuye en 16.2085.

 B3=-0.1143: cuando AT varié en una unidad y el AC con el NH se mantengan

constantes el precio de venta disminuye en 0.1143.
 6. Validez del modelo: (Ho: el modelo no es significativo; H1: el modelo es
significativo).

(Si el p-value es menor al 0.05, entonces se rechaza Ho)

Se rechaza Ho, se concluye que el AT, el NH y el AC si influyen significativamente de

manera global en el precio de venta.

7. Prueba de validez de las variables independiente:

 Para β1: (Ho: el área construida no contribuye significativamente al modelo; H1: el

área construida contribuye significativamente al modelo)

Se rechaza Ho, se concluye que el área construida si contribuye al modelo.

 Para β2: (Ho: el número de habitaciones no contribuye significativamente al

modelo; H1: el número de habitaciones contribuye significativamente al modelo)

Se rechaza Ho, se concluye que el número de habitaciones si contribuye al

modelo.

 Para β3: (Ho: el área de terreno no contribuye significativamente al modelo; H1: el

área de terreno contribuye significativamente al modelo)

Se acepta Ho, se concluye que el área de terreno no contribuye al modelo, por lo

tanto debe evaluarse nuevamente el modelo.
 NUEVO MODELO

1. Coeficiente de correlación múltiple: R= 0.957: existe una alta correlación entre el

precio de venta y el área construida y el n° de habitaciones.

2. Coeficiente de determinación múltiple: : el área construida, el n° de

habitaciones y el área de terreno explican en 95.0% al precio de venta y no lo explican en
5.0%.

3. El nuevo modelo de estimación del precio de venta es:

4. Interpretación de los coeficientes:

 B1= 0.853: cuando AC varié en una unidad y el NH se mantengan constante el

precio de venta se incrementara en 0.853.

 B2=-15.4990: cuando NH varié en una unidad y el AC se mantenga constante el

precio de venta disminuye en 15.4990.

5. Validez del modelo: (Ho: el modelo no es significativo; H1: el modelo es

significativo).
Se rechaza Ho, se concluye que el AT y NH si influyen significativamente de manera
global en el precio de venta.

6. Prueba de validez de las variables independiente:

 Para β1: (Ho: el área construida no contribuye significativamente al modelo; H1: el

área construida contribuye significativamente al modelo)

Se rechaza Ho, se concluye que el área construida si contribuye al modelo.

 Para β2: (Ho: el número de habitaciones no contribuye significativamente al

modelo; H1: el número de habitaciones contribuye significativamente al modelo)

Se rechaza Ho, se concluye que el número de habitaciones si contribuye al

modelo.