Cuadrado R | Significado F y P-Valores | Coeficientes | Residuos
Este ejemplo enseña cómo ejecutar un análisis de regresión lineal en Excel y cómo interpretar la salida de resumen.
A continuación puede encontrar nuestros datos. La gran pregunta es: ¿hay una relación entre la cantidad vendida (salida) y el precio y la publicidad (entrada). En otras palabras: ¿podemos predecir la cantidad vendida si conocemos el precio y la publicidad?
1. En la pestaña Datos, en el grupo Análisis, haga clic en Análisis de datos.
Nota: ¿no encuentras el botón de análisis de datos? Haga clic aquí para cargar el complemento Analysis ToolPak.
2. Selecciona Regresión y haz clic en OK.
3. Selecciona el rango Y (A1:A8). Esta es la variable predictora (también llamada variable dependiente).
4. Seleccione el rango X (B1:C8). Estas son las variables explicativas (también llamadas variables independientes). Estas columnas deben ser adyacentes entre sí.
5. Revise las etiquetas.
6. 6. Clic en el cuadro Rango de salida y seleccionar la celda A11.
7. Revisa los residuos.
8. Haga clic en OK.
Excel produce la siguiente salida resumida (redondeada a 3 decimales).
Glosario
Cuadrado R
R al cuadrado es igual a 0.962, lo que es un muy buen ajuste. El 96% de la variación de la cantidad vendida se explica por las variables independientes Precio y Publicidad. Cuanto más cerca de 1, mejor se ajusta la línea de regresión (sigue leyendo) a los datos.
Significado de los valores F y P
Para comprobar si los resultados son fiables (estadísticamente significativos), mira la Significación F (0.001). Si este valor es inferior a 0,05, estás bien. Si la significación F es mayor que 0,05, probablemente sea mejor dejar de usar este conjunto de variables independientes. Elimine una variable con un alto valor P (mayor que 0,05) y vuelva a ejecutar la regresión hasta que la significación F caiga por debajo de 0,05.
La mayoría o todos los valores P deben estar por debajo de 0,05. En nuestro ejemplo este es el caso. (0,000, 0,001 y 0,005).
Coeficientes
La línea de regresión es: y = Cantidad vendida = 8536.214 -835.722 * Precio + 0.592 * Publicidad. En otras palabras, por cada unidad de aumento de precio, la cantidad vendida disminuye con 835.722 unidades. Por cada unidad de aumento en la publicidad, la cantidad vendida aumenta con 0,592 unidades. Esta es una información valiosa.
También puedes usar estos coeficientes para hacer un pronóstico. Por ejemplo, si el precio es igual a 4 dólares y la publicidad es igual a 3.000 dólares, podrías lograr una cantidad vendida de 8536.214 -835.722 * 4 + 0.592 * 3000 = 6970.
Residuos
Los residuos muestran a qué distancia están los puntos de datos reales de los puntos de datos predichos (usando la ecuación). Por ejemplo, el primer punto de datos es igual a 8500. Usando la ecuación, el punto de datos pronosticado es igual a 8536.214 -835.722 * 2 + 0.592 * 2800 = 8523.009, dando un residuo de 8500 – 8523.009 = -23.009.
También puedes crear un gráfico de dispersión de estos residuos.
