Ejemplo Regresión lineal múltiple

(Interpretación de Ayuda de Excel)

Suponga que un programador comercial está pensando en adquirir un grupo de pequeños
edificios de oficinas en un distrito comercial conocido.
El programador puede utilizar el análisis de regresión lineal múltiple para estimar el valor
de un edificio de oficinas en un área determinada basándose en las variables siguientes.

Variable Indica
y Valor tasado del edificio oficinas
x1 Superficie en metros cuadrados
x2 Número de oficinas
x3 Número de entradas
x4 Antigüedad del edificio en años

Este ejemplo supone que existe una relación de línea recta entre c/variable independiente
(x1, x2, x3, y x4) y la variable dependiente (y), el valor de los edificios de oficinas en esa
área.

El programador elige al azar una muestra de 11 edificios de oficinas de 1.500 edificios

posibles y obtiene los datos siguientes.
"Media entrada" significa una entrada sólo para entregas.
superficie Nº oficinas Nº entradas antigüedad valor
(x1) (x2) (x3) (x4) (y)
2310 2 2 20 142.000
 2333 2 2 12 144.000
2356 3 1,5 33 151.000
2379 3 2 43 150.000
2402 2 3 53 139.000
2425 4 2 23 169.000
2448 2 1,5 99 126.000
2471 2 2 34 142.900
2494 3 3 23 163.000
2517 4 4 55 169.000
2540 2 3 22 149.000

Ecuación de Regresión Múltiple:

Y = m1x1 + m2x2 + m3x3 + m4x4 + b

Calculamos sus valores usando la función Estimación Lineal, de excel, y metiendo los datos
como una matriz, es decir:

"conocido_Y" ….toda la columna (y)

"conocido_X" ….las cuatro (4) columnas (x)

"Constante"…….VERDADERO. Esto es para forzar el cálculo de "b" (que no sea "0")

"Estadística"…...VERDADERO. Esto es para que devuelva estadísticas adicionales

Una vez que tenemos la función con sus valores, señalamos, a partir de la celda que
contiene la función, un área de 5 filas y 5 columnas (porque hay 5 variables), pulsamos F2
(para editar la función) y luego, Ctrl + Shift + Enter (para copiarse en todas las celdas
restantes.

Lo que obtenemos tiene la siguiente interpretación:

m4 m3 m2 m1 b
se4 se3 se2 se1 seb
r 2
sey
F df
ssreg ssresid

m4 m3 m2 m1 b <== fila regresión (coeficientes y cte.)

se4 se3 se2 se1 seb <== standard error de cada coeficiente
 r2 sey <== coeficiente de determinación y standard error de la
estimación Y.

F df <== Estadística F y grados de libertad.

ssreg ssresid <== Sumatoria de la regresión de los cuadrados y residual

de los cuadrados.

Significado de cada elemento de la matriz:

m1, m2, m3, m4 coeficientes de las variables ó pendiente de la recta

b constante ó pto. de intersección de la recta con el eje y.

se1, se2, se3, se4 standard error (error típico) de cada coeficiente.

r2 El coeficiente de determinación. Compara los valores “y” estimados y reales, y

los rangos con valor de 0 a 1. Si es 1, hay una correlación perfecta en la
muestra, es decir, no hay diferencia entre el valor y estimado y el valor y
real.

En el otro extremo, si el coeficiente de determinación es 0, la ecuación de

regresión no es útil para predecir un valor y.

sey El error estándar para la estimación y.

F La estadística F o valor F observado se usa para determinar si la relación

observada entre las variables dependientes e independientes se produce por
azar.

df Grados de libertad del denominador (v2 en SNEDECOR). Se usan para

encontrar valores F críticos.

Se compara el valor que encuentra en la tabla con la estadística F devuelta

por Estimación Lineal para determinar un nivel de confianza para el modelo.

ssreg suma de regresión de los cuadrados.

 ssresid Excel calcula, para cada punto, el cuadrado de la diferencia entre el valor Y
estimado para ese punto y su valor Y real. La suma de estas diferencias
cuadradas se denomina suma de los cuadrados residual, ssresid.

Función Estimación Lineal (resultados)

-234,2371645 2553,21066 12529,76817 27,64138737 52317,83051

13,26801148 530,6691519 400,0668382 5,429374042 12237,3616
0,996747993 970,5784629 #N/A #N/A #N/A
459,7536742 6 #N/A #N/A #N/A
1732393319 5652135,316 #N/A #N/A #N/A

m4 m3 m2 m1 b
-234,2371645 2553,21066 12529,76817 27,64138737 52317,83051

r2 = 0,996747993 indica una relación muy marcada entre las variables independientes y el
precio de venta, pero debemos utilizar la estadística F para determinar si estos
resultados, con un valor r2 tan alto, se produjeron por azar; los valores F y df en la salida
de la ESTIMACION.LINEAL se pueden utilizar para determinar esto.

La distribución F apropiada tiene los grados de libertad v1 y v2. Si n es el número de

casos, 11 en este ejemplo, y const = VERDADERO o se omite, entonces v1(numerador) = n –
df – 1 y v2(denominador) = df.

Con un valor alfa de 0,05 (nivel de sifgnificancia 5%), v1 = 11 – 6 – 1 = 4 y v2 = 6, el valor

crítico de F es 4,53.

Como F = 459,753674 >>> 4,53; es improbable que un valor F tan elevado se produzca por
azar; y la hipótesis de que no hay relación entre “conocido_y” y “conocido_x” hay que
rechazarla y seguir considerando la marcada relación entre la variable dependiente (y) y
las variables independientes deducidas del valor de r2.

Con DISTR.F de Excel se puede obtener la probabilidad de que un valor F tan elevado se
produzca por azar.
DISTR.F(459,753674. 4. 6) = 1,37E-7, una probabilidad extremadamente pequeña.

Se puede concluir, bien buscando el nivel crítico de F en una tabla, o bien utilizando
DISTR.F de Excel, que la ecuación de regresión es útil para predecir el valor tasado de los
edificios de oficinas de esta área.

Solo nos falta determinar si cada coeficiente de la pendiente es útil para estimar el valor
tasado.

Para probar si el coeficiente de antigüedad tiene significado estadístico, divido -234,24

(coeficiente de la pendiente de antigüedad) entre 13,268 (el error estándar estimado de
el coeficiente de antigüedad)

El siguiente es el valor t observado: t = m4 / se4 = -234,24 / 13,268 = -17,7

Si el valor absoluto de t es suficientemente alto, puede deducirse que el coeficiente

de la pendiente es útil para calcular el valor tasado del edificio de oficinas del
ejemplo. La tabla muestra los valores absolutos de los 4 valores t observados.

Variable t observado
Superficie 5,1
Núm. oficinas 31,3
Núm. entradas 4,8
Antigüedad 17,7

Consultando la tabla de Distribución t de Student , observo que el valor t crítico,

de dos colas, con 6 grados de libertad y alfa = 0,05 es 2,447. Este valor crítico
puede encontrarse también utilizando la función DISTR.T.INV de Excel.

DISTR.T.INV (0,05.6) = 2,447.

Todos estos valores tienen un valor absoluto superior a 2,447; por tanto, todas las
variables utilizadas en la ecuación de regresión son útiles para predecir el valor
tasado de los edificios de oficinas de esta área.

Ahora puede obtenerse la ecuación de regresión múltiple,

y = m1*x1 + m2*x2 + m3*x3 + m4*x4 + b.

superficie Nº oficinas Nº entradas antigüedad valor

(x1) (x2) (x3) (x4) (y)
2500 3 2 25 158261,10
y = 27,64*2.500 + 12.530*3 + 2.553*2-234,24*25 + 52.318 = 158.26