P. 1
Seleccion de Variables Backward

Seleccion de Variables Backward

|Views: 0|Likes:
Published by Roger Parisaca R

More info:

Published by: Roger Parisaca R on Feb 04, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as XLSX, PDF, TXT or read online from Scribd
See more
See less

02/04/2013

pdf

text

original

y x1 x2 x3 x4

57,50 78,00 48,20 2,75 29,50
52,80 69,00 45,50 2,15 26,30
61,30 77,00 46,30 4,41 32,20
67,00 88,00 49,00 5,52 36,50
53,50 67,00 43,00 3,21 27,20
62,70 80,00 48,00 4,32 27,70
56,20 74,00 48,00 2,31 28,30
68,50 94,00 53,00 4,30 30,30
69,20 102,00 58,00 3,71 28,70
PASO 1
SOLUCION
Suma de
cuadrados gl
Media
cuadrática F Sig.
Regresión 318.274 4 79.569 107.323
,000
b
Residual 2.966 4 .741
Total 321.240 8
S^2 = 0.741
SCR= 318.274
PASO 2
Y=F(X1,X2,X3)
Suma de
cuadrados gl Media cuadrática
Regresión 318.250 3 106.083
Residual 2.990 5 .598
Total 321.240 8
Y=F(X1,X2,X4)
Suma de
cuadrados gl Media cuadrática
Regresión 312.022 3 104.007
Residual 9.218 5 1.844
Total 321.240 8
Y=F(X1,X3,X4)
ANOVA
a
Modelo
1
a. Variable dependiente: y
b. Variables predictoras: (Constante), x4, x2, x3, x1
ANOVA
a
Modelo
1
a. Variable dependiente: y
b. Variables predictoras: (Constante), x3, x2, x1
ANOVA
a
Modelo
1
a. Variable dependiente: y
b. Variables predictoras: (Constante), x4, x2, x1
ANOVA
a
Suma de
cuadrados gl Media cuadrática
Regresión 317.641 3 105.880
Residual 3.599 5 .720
Total 321.240 8
Y=F(X2,X3,X4)
Suma de
cuadrados gl Media cuadrática
Regresión 318.210 3 106.070
Residual 3.030 5 .606
Total 321.240 8
R(b1/b2,b3,b4) = 318.274 - 318.210 = 0.0639465819592715
R(b2/b1,b3,b4) = 318.274 - 317.641 = 0.6329921159964440
R(b3/b1,b2,b4) = 318.274 - 312.022 = 6.2518528603189900
R(b4/b1,b2,b3) = 318.274 - 318.250 = 0.0237286059100370
PASO 3
Modelo
Modelo
1
a. Variable dependiente: y
b. Variables predictoras: (Constante), x4, x1, x3
ANOVA
a
1
a. Variable dependiente: y
b. Variables predictoras: (Constante), x4, x2, x3
R(b1/b2,b3,b4)/S^2
F Sig.
177.413
,000
b
F Sig.
56.416
,000
b
ANOVA
a
a. Variable dependiente: y
b. Variables predictoras: (Constante), x3, x2, x1
ANOVA
a
a. Variable dependiente: y
b. Variables predictoras: (Constante), x4, x2, x1
ANOVA
a
F Sig.
147.097
,000
b
F Sig.
175.036
,000
b
a. Variable dependiente: y
b. Variables predictoras: (Constante), x4, x1, x3
ANOVA
a
a. Variable dependiente: y
b. Variables predictoras: (Constante), x4, x2, x3
eliminamos X4

641 3.b4) R(b3/b1.210 317.0639465819592715 0.b3) = = = = 318.b2.Modelo 1 Regresión Residual Total a.b4) R(b2/b1.0237286059100370 PASO 3 R(b1/b2. x4.b3. x3 Suma de cuadrados 318.720 b.274 318.240 gl 3 5 8 Media cuadrática 106. x1.b2.210 3. Variable dependiente: y Suma de cuadrados 317. x3 Y=F(X2.880 .030 321. Variables predictoras: (Constante).240 gl 3 5 8 Media cuadrática 105.274 - 318.6329921159964440 6. Variable dependiente: y b.b4)/S^2 .599 321.2518528603189900 0. Variables predictoras: (Constante).X3.b4) R(b4/b1.022 318. x4.X4) ANOVAa Modelo 1 Regresión Residual Total a.641 312.274 318.b3. x2.606 R(b1/b2.070 .250 = = = = 0.b3.274 318.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->