Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
568 ❍ CAPÍTULO 13 ANÁLISIS DE REGRESIÓN MÚLTIPLE puede tener más habilidad para construir un modelo, adquiriendo experiencia con los ejercicios del capítulo. El ejemplo siguiente contiene una variable cuantitativa y una cualitativa que interactúan. Se realizó un estudio para examinar la relación entre salario en una universidad, y, el número de años de experiencia del miembro del profesorado y el género del miembro del profesorado. Si se espera que haya una relación de línea recta entre salario medio y años de experiencia para caballeros y mujeres, escriba el modelo que relacione salario me- dio con las dos variables predictoras: años de experiencia (cuantitativa) y género del profesor (cualitativa). Solución Dado que se puede sospechar que las rectas de salario medio para caballe- ros y mujeres son diferentes, su modelo para el salario medio E(y) puede aparecer como se muestra en la figura 13.11. Una relación de línea recta entre E(y) y años de experien- cia x1 implica el modelo E(y) � b0 � b1x1 (se grafi ca como línea recta) E J E M P L O 13.5 La variable cualitativa “género” contiene k � 2 categorías, caballeros y mujeres. Por lo tanto, se necesita (k � 1) � 1 variable ficticia, x2, definida como 1 si es hombre x2 � � 0 si es mujer y el modelo se expande para convertirse en E(y) � b0 � b1x1 � b2x2 (se grafi ca como dos rectas paralelas) El hecho de que las pendientes de las dos rectas puedan diferir significa que las dos variables predictoras interactúan; esto es, el cambio en E(y) correspondiente a un cam- bio en x1 depende de si el profesor es hombre o mujer. Para tomar en cuenta esta interac- ción (diferencia en pendientes), el término de interacción x1x2 se introduce en el modelo. El modelo completo que caracteriza la gráfica de la figura 13.11 es variable fi cticia para género � E(y) � b0 � b1x1 � b2x2 � b3x1x2 � � años de interacción experiencia x1 E(y) 0 1 2 3 4 5 Sa la ri o m ed io Años de experiencia Homb res Mujeres FIGURA 13.11 Relación hipotética para salario medio E (y), años de experiencia (x1), y género (x2) para el ejemplo 13.5 ● Probabilidad_Mendenhall_13.indd 568Probabilidad_Mendenhall_13.indd 568 5/14/10 8:20:37 AM5/14/10 8:20:37 AM www.FreeLibros.me donde x1 � Años de experiencia 1 si es hombre x2 � � 0 si es mujer Se puede ver cómo funciona el modelo al asignar valores a la variable ficticia x2. Cuando la profesora es mujer, el modelo es E(y) � b0 � b1x1 � b2(0) � b3x1(0) � b0 � b1x1 que es una recta con pendiente b1 y punto de cruce b0. Cuando el profesor es hombre, el modelo es E(y) � b0 � b1x1 � b2(1) � b3x1(1) � (b0 � b2) � (b1 � b3)x1 que es una recta con pendiente (b1 � b3) e intersección (b0 � b2). Las dos rectas tie- nen pendientes diferentes e intersecciones diferentes, lo cual permite la relación entre salario y y años de experiencia x1 a comportarse de manera diferente para caballeros y mujeres. Se seleccionaron muestras aleatorias de seis mujeres y seis caballeros profesores auxilia- res, de entre los profesores auxiliares de una universidad de artes y ciencias. Los datos sobre el salario y años de experiencia se muestran en la tabla 13.3. Observe que cada una de las dos muestras (hombre y mujer) contenía dos profesores con tres años de experien- cia, pero ninguno tenía 2 años de experiencia. Interprete la salida impresa MINITAB de regresión y grafi que las rectas de salario predeterminadas. E J E M P L O 13.6 TABLA 13.3 ● Salario contra género y años de experiencia Años de experiencia, x1 Salario para caballeros, y Salario para mujeres, y 1 $60 710 $59 510 2 — 60 440 3 63 160 61 340 3 63 210 61 760 4 64 140 62 750 5 65 760 63 200 5 65 590 — Solución La salida impresa MINITAB de regresión para los datos de la tabla 13.3 se muestra en la figura 13.12. Se puede usar un método de paso a paso para interpre- tar este análisis de regresión, empezando con una ecuación de predicción ajustada, ŷ � 58 593 � 969x1 � 867x2 � 260x1x2. Al ajustar x2 � 0 o 1 en esta ecuación, se obtie- nen dos rectas, una para mujeres y una para caballeros, para predecir el valor de y para una x1 determinada. Estas rectas son Mujeres: ŷ � 58 593 � 969x1 Caballeros: ŷ � 59 460 � 1229x1 y se grafican en la figura 13.13. 13.5 USO DE VARIABLES PREDICTORAS CUANTITATIVAS Y CUALITATIVAS EN UN MODELO DE REGRESIÓN ❍ 569 Probabilidad_Mendenhall_13.indd 569Probabilidad_Mendenhall_13.indd 569 5/14/10 8:20:37 AM5/14/10 8:20:37 AM www.FreeLibros.me 570 ❍ CAPÍTULO 13 ANÁLISIS DE REGRESIÓN MÚLTIPLE A continuación, considere el ajuste general del modelo usando el análisis de la prueba F de varianza. Como la estadística observada de prueba en la parte ANOVA de la salida impresa es F � 346.24 con P � .000, se puede concluir que al menos una de las varia- bles de pronóstico está aportando información para la predicción de y. La fuerza de este modelo es medida aun más por el coeficiente de determinación, R2 � 99.2%. Se puede ver que el modelo parece ajustar muy bien. Análisis de regresión: y contra x1, x2,x1x2 The regression equation is y = 58593 + 969 x1 + 867 x2 + 260 x1x2 Predictor Coef SE Coef T P Constant 58593.0 207.9 281.77 0.000 x1 969.00 63.67 15.22 0.000 x2 866.7 305.3 2.84 0.022 x1x2 260.13 87.06 2.99 0.017 S = 201.344 R-Sq = 99.2% R-Sq(adj) = 98.9% Analysis of Variance Source DF SS MS F P Regression 3 42108777 14036259 346.24 0.000 Residual Error 8 324315 40539 Total 11 42433092 Source DF Seq SS x1 1 33294036 x2 1 8452797 x1x2 1 361944 Sa la ri o an ua l ( $ m ile s) Ho mb res Mu jer es Años de experiencia x1 y 1 48 0 2 3 4 5 49 50 51 52 53 54 55 56 Para explorar con más detalle el efecto de las variables predictoras, vea las pruebas t individuales para las tres variables predictoras. Los valores p para estas pruebas, es decir, .000, .022 y .017, respectivamente, son todas significativas, lo cual quiere decir que todas las variables predictoras agregan información significativa a la predicción con las otras dos variables ya en el modelo. Por último, verifique las gráficas residuales FIGURA 13.12 Salida impresa MINITAB para el ejemplo 13.6 ● FIGURA 13.13 Gráfi ca de las rectas de predicción de salario del profesorado, para el ejemplo 13.6 ● Probabilidad_Mendenhall_13.indd 570Probabilidad_Mendenhall_13.indd 570 5/14/10 8:20:37 AM5/14/10 8:20:37 AM www.FreeLibros.me
Compartir