Geraldina Hormazábal Trabajo3

REGRESIÓN LINEAL MÚLTIPLE
UNIVERSIDAD UNIACC
PROFESORA MARJORIE CALDERA CALVERT
Lunes 22 de julio de 2019
Geraldina Hormazábal Faust

Introducción
El objetivo de este trabajo individual es aplicar el análisis de regresión lineal múltiple

para predecir el valor de una variable dependiente en relación a más de una variable
independiente.
Desarrollo
Proponer y aplicar un modelo que permita ajustar una regresión lineal múltiple a
variables relevantes de la economía o de la gestión de empresas.
El modelo debe tener al menos tres variables explicativas.
Se pide:
 Regresión lineal múltiple, utilizando Excel
 Análisis del coeficiente de correlación
 Prueba de hipótesis para el modelo e interpretación
 Pruebas de hipótesis para cada variable
El horizonte de análisis deberá considerar para cada una de las variables del modelo
por lo menos 10 datos (trimestres, semestres, años, etc.)
Geraldina_Hormazábal_trabajo3.xlsx
TCR*3
PIB anual*1 Índice
Año IPC*2 (X1)
(E+9) (Y) (1986=100)
(X2)
2009 172,3895 -1,4% 95,74
2010 218,5376 3,0% 91,36
2011 252,2520 4,4% 92,09
2012 267,1223 1,5% 89,78
2013 278,3843 3,0% 90,02
2014 260,5416 4,6% 98,13
2015 243,9191 4,4% 97,20
2016 250,3399 2,7% 94,37
2017 277,7465 2,3% 91,93
2018 298,2311 2,6% 90,74
*1 PIB anual
IPC* Variación porcentual acumulada
TCR* promedio 12 meses
El modelo propuesto consta de una variable dependiente (Y) que será el Crecimiento
Económico expresado en PIB anual comprendido entre los años 2009 y 2018, las cifras
están expresadas en miles de millones de pesos para facilitar su escritura y cálculos
posteriores, como se puede apreciar en los datos del PIB, no se mantiene un ritmo
creciente o decreciente en los datos recopilados.
La variable independiente X1 representa el IPC anual comprendido entre los años 2009
y 2018, estos datos reflejan la variación de precios y para cada año se tomó la
variación acumulada entre Enero y Diciembre de los años que comprenden los datos;
la variable X2 representa el TCR, se tomó el promedio anual y sus datos comprenden
los años 2009 al 2108. El Tipo de Cambio Real es un índice que mide la competitividad
de la economía chilena con relación a un grupo amplio de sus socios comerciales, se
tomó como índice con base 100 en 1986.
Los datos presentados son datos reales obtenidos para las respectivas variables desde
el Banco Mundial, INE y Banco Central respectivamente.
Al analizar los datos en Excel se obtienen los siguientes resultados:
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,733591421
Coeficiente de determinación R^2 0,538156373
R^2 ajustado 0,406201051
Error típico 27,33325724
Observaciones 10
Coeficientes
Intercepción 788,690802
Variable X 1 1208,73076
Variable X 2 -6,114724887
De los datos obtenidos se obtiene un modelo de regresión lineal múltiple que explica el
comportamiento del Producto Interno Bruto (PIB) en relación con la variación del Índice
de Precios al consumidor (IPC) y al Índice de Tipo de Cambio Real (TCR). Con los
datos que comprenden los años 2009 al 2018 se obtiene:
= 788,6908 + 1 -6 ±
Donde:
= Corresponde a la estimación del Producto Interno Bruto, expresado en miles de

millones de dólares.
= Corresponde a la variación del Índice de Precios al consumidor anual, el cual esta

expresado en porcentaje y corresponde a la variación anual comprendida entre los
meses enero a diciembre de los respectivos años.
= Corresponde al Tipo de Cambio Real, índice que mide la competitividad de la

economía chilena con relación a otros socios comerciales, los datos entregados
corresponden al promedio de los índices mensuales de los años consultados.
Análisis del coeficiente de correlación
El coeficiente de correlación obtenido es de 0,733591421 lo que indica que existe una

fuerte relación directa entre el PIB y al menos una de las variables seleccionadas ya
que su valor está entre 0,5 y 1. Luego se explicarán mediante análisis de las variables,
cuál de ellas tiene mayor peso sobre el modelo y porqué, de todas maneras se explican
inicialmente por los signos de éstas, es decir, el coeficiente que acompaña X1 tiene
signo positivo lo que indica que tiene una relación directa en la variable Y, al contrario
el coeficiente de la variable X2 tiene signo negativo lo que se interpreta como una
relación inversa con la variable dependiente Y.
El R^2= 0,4062 indica que las variables independientes explican en un 40,62% el

modelo de variaciones del PIB.
Prueba de Hipótesis para el modelo

Para realizar la prueba de hipótesis del modelo, se considera el estadístico de Fisher,
en donde la hipótesis nula es mientras que la hipótesis alternativa
es ; con i = 1, 2
Con un 95% de confianza, se rechaza la hipótesis nula H 0 dado que F˃ F crítico lo que
indica que al menos una de las variables se relaciona con el PIB.
Prueba de hipótesis para cada variable
Primero se analizará la variable X1 IPC
Las pruebas de hipótesis independientes se determinan por:
La hipótesis nula y la hipótesis alternativa
Los valores obtenidos en Excel, con un 95% de confianza:
Coeficiente de correlación múltiple 0,522471013
Coeficiente de determinación R^2 0,27297596
R^2 ajustado 0,182097955
Observaciones 10
El coeficiente de la variable X1 o pendiente se encuentra dentro del intervalo de

confianza por lo que se puede inferir que no hay evidencia suficiente para descartar la
hipótesis nula. Por otro lado, el coeficiente de correlación indica que existe una fuerte
relación directa entre el PIB y el IPC (mayor al 50%).
Al realizar la prueba de hipótesis para la influencia del Tipo de Cambio Real sobre el
PIB se tiene la hipótesis nula y la hipótesis alternativa
Coeficiente de correlación
múltiple 0,430376018
Coeficiente de determinación
R^2 0,185223516
R^2 ajustado 0,083376456
Observaciones 10
En el cuadro Estadísticas de la regresión, se observa que el coeficiente de correlación

es de 0,4304, lo que indica que existe una correlación positiva relativamente débil
(menor a 50%) entre el Tipo de Cambio y el PIB. En la segunda tabla, el coeficiente es
aceptable al 95% de confianza, al estar dentro del intervalo se puede concluir que no
existe evidencia suficiente para rechazar la hipótesis nula.
Conclusión
El presente trabajo tenía por objetivo comprobar si el PIB era variable dependiente
de las variaciones del IPC y del índice TCR. A través del modelo de regresión lineal
múltiple es posible analizar los datos y establecer las relaciones (o no) entre la
variable dependiente y las variables independientes; de la misma manera,
establecer el modelo de regresión simple permite el análisis de cada variable
independiente con la variable dependiente.
Para los datos presentados se puede establecer para ambas variables, que no
existe evidencia suficiente para rechazar la hipótesis nula dado que ambos
coeficientes se encuentran dentro del intervalo respectivo.
Referencia Bibliográfica
 Calderón, M. (2017). Regresión lineal múltiple. Herramientas de Estadística. Lea

esto primero (Semana 6).
 PIB (US$ a precios actuales). Recuperado de
https://datos.bancomundial.org/indicator/NY.GDP.MKTP.CD?locations=CL
 Valores y Fechas UTM- UTA- IPC. Recuperado de
http://www.sii.cl/valores_y_fechas/utm/utm2018.htm
 Paridades y Tipos de Cambio. Estadísticas cambiarias. Recuperado de
https://si3.bcentral.cl/estadisticas/Principal1/excel/EC/PARIDADES/excel.html

Geraldina Hormazábal Trabajo3

Cargado por

Copyright:

Formatos disponibles

Geraldina Hormazábal Trabajo3

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Geraldina Hormazábal Trabajo3

Cargado por

Copyright:

Formatos disponibles

REGRESIÓN LINEAL MÚLTIPLE

PROFESORA MARJORIE CALDERA CALVERT

Lunes 22 de julio de 2019

Geraldina Hormazábal Faust

El objetivo de este trabajo individual es aplicar el análisis de regresión lineal múltiple

El modelo debe tener al menos tres variables explicativas.

 Regresión lineal múltiple, utilizando Excel

 Análisis del coeficiente de correlación

 Prueba de hipótesis para el modelo e interpretación

 Pruebas de hipótesis para cada variable

Al analizar los datos en Excel se obtienen los siguientes resultados:

= Corresponde a la estimación del Producto Interno Bruto, expresado en miles de

= Corresponde a la variación del Índice de Precios al consumidor anual, el cual esta

= Corresponde al Tipo de Cambio Real, índice que mide la competitividad de la

Análisis del coeficiente de correlación

El coeficiente de correlación obtenido es de 0,733591421 lo que indica que existe una

El R^2= 0,4062 indica que las variables independientes explican en un 40,62% el

Prueba de Hipótesis para el modelo

Prueba de hipótesis para cada variable

Primero se analizará la variable X1 IPC

Las pruebas de hipótesis independientes se determinan por:

La hipótesis nula y la hipótesis alternativa

Los valores obtenidos en Excel, con un 95% de confianza:

El coeficiente de la variable X1 o pendiente se encuentra dentro del intervalo de

En el cuadro Estadísticas de la regresión, se observa que el coeficiente de correlación

 Calderón, M. (2017). Regresión lineal múltiple. Herramientas de Estadística. Lea

También podría gustarte