Lo que nos interesa de esta salida es: Ver si la regresion es significativa, es decir si hay regresion entre crecimiento y volumne. El analisis de varianza en este caso preuba la hipotesis H0: no hay regresion (b=0) contra H1: si hay regresion (b#0). Si observamos el valor debajo de Prob > F (1), el valor obtenido fue 0.0001, lo que significa que la regresion es significativa a niveles menores de 0.0001, suficiente para rechazar H0:. El R cuadrado (R Squere), el R cuadrado (2) nos dice “que tanto de la variacion en Y se encontro asociada con X”. En este caso el R cuadrado fue 0.81. Esto quiere decir que el modelo lineal explica el 81% de la variacion. Los valores estimados para “a” (intercepto) y para “b” (coeficiente de regresion). En este caso “a” (3) es el valor que aparece a la par de intercept (0.00518) en la ultima linea. Entonces la ecuacion para predecir el crecimiento seria: Crecimiento = 0.16244 + 0.00518 (volumen) El nivel de significancia para el cual rechazariamos las hipotesis que el parametro b (4) sea cero (es decir que no haya regresion). En este caso rechazamos la hipotesis con nivel 0.0001 (0.01%). Notese que la prueba (5) coencide con la (1) en este caso particular. Si desea hacer un grafico de los datos superponiendo la linea de regresion, simplemente añada las siguientes lineas al programa: Output predicted = py; Proc plot; Plot crecim*volumen =´*´ py*volumen ´+´ / overlay; Run; En el grafico los datos seran denotados con ´*´y la linea de regresion (datos predichos) con ´+´.