You are on page 1of 8

REGRESION LINEAL MULTIPLE (TALLER)

CURSO DE ESTADSTICA II

UNIVERSIDAD DE CORDOBA FACULTAD DE INGENIERAS MONTERA 2012

1) Encuentre un modelo de regresin lineal mltiple para explicar el rendimiento laboral de los trabajadores. Reg =lm (Cumplimiento~Estrs+Ausentismo+Tipo+Gnero,data=Cumplimiento) > Reg Call: Lm (formula = Cumplimiento ~ Estrs + Ausentismo + Tipo + Gnero, Data = Cumplimiento) Coeficientes:

(Intercepto) 93.95246

Estrs Ausentismo Tipo Tcnico -9.97107 -0.07723 5.49053

Gnero M 0.57643

El modelo inicial nos muestra que cuando el trabajador es del genero de femenino (M=mujer) en comparacin con un trabajador del gnero masculino se produce un aumento de 0.57643 puntos en el cumplimiento manteniendo fijas las dems variables explicativas Adems vemos que si el trabajador es tcnico en comparacin con un trabajador administrativo se produce un aumento en el cumplimiento de 5.49053 puntos manteniendo constantes el resto de las variables explicativas Igualmente se evidencia que cuando el estrs aumenta en una unidad el cumplimiento disminuye en 9.97107 puntos manteniendo constantes el resto de variables explicativas El modelo tambin sugiere que al aumentar en un una unidad el ausentismo disminuye el cumplimiento del empleado en 0.07723 puntos si mantenemos constantes las dems variables explicativas.

Verique la signicancia de los parmetros y del modelo. >summary(reg) Call: lm(formula = Cumplimiento ~ Estrs + Ausentismo + Tipo + Gnero, data = Cumplimiento) Residuals: Min 1Q Median 3Q Max

-7.5491 -0.6732 0.0238 1.0520 2.9214

Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 93.95246 Estrs -9.97107 1.07582 87.331 < 2e-16 *** 1.99986 -4.986 4.30e-06 *** 0.23117 -0.334 0.739

Ausentismo -0.07723 TipoTcnico 5.49053 GneroM --0.57643

0.52215 10.515 4.75e-16 *** 0.39577 1.456 0.150

Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1 Residual standard error: 1.591 on 70 degrees of freedom Multiple R-squared: 0.8446, Adjusted R-squared: 0.8357

F-statistic: 95.1 on 4 and 70 DF, p-value: < 2.2e-16

El summary nos da a entender que los parmetros: Tipo Genero Estrs

Son significativos y que le p-valu<0.05 as se rechaza la hiptesis nula y dichos parmetros sern significativos (lo que confirman los asteriscos que arrojo el programa) no obstante el parmetro ausentismo no es significativo segn la prueba de hiptesis > summary(aov(reg)) Df Sum Sq Mean Sq F value Pr(>F) Estrs 1 624.6 624.6 246.845 < 2e-16 *** 30.9 12.206 0.00083 ***

Ausentismo 1 30.9 Tipo

1 301.7 301.7 119.245 < 2e-16 ***

Gnero

5.4

5.4 2.121 0.14973 2.5

Residuals 70 177.1 ---

Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1 El summary(aov()) nos muestra un resultado contradictor con lo anteriormente dicho ya que nos sugiere que el parmetro ausentismo es significativo mientras que el parmetro genero no lo es. > anova(reg) Analysis of Variance Table Response: Cumplimiento Df Sum Sq Mean Sq F value Estrs Pr(>F)

1 624.64 624.64 246.8451 < 2.2e-16 ***

Ausentismo 1 30.89 30.89 12.2058 0.0008304 *** Tipo Gnero 1 301.75 301.75 119.2446 < 2.2e-16 *** 1 5.37 5.37 2.1213 0.1497300 2.53

Residuals 70 177.14

Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1 La funcin anova tambin nos muestra que el parmetro gnero no es significativo mientras que el parmetro ausentismo si lo es, por lo tanto para salir de dudas acudiremos a la prueba paso a paso: > step(reg) Start: AIC=72.58 Cumplimiento ~ Estrs + Tipo + Gnero Df Sum of Sq <none> - Gnero 1 RSS AIC

177.42 72.576 6.49 183.91 73.271

- Estrs 1 - Tipo Call: 1

67.62 245.04 94.794 322.58 500.00 148.284

lm(formula = Cumplimiento ~ Estrs + Tipo + Gnero, data = Cumplimiento) Coefficients: (Intercept) 93.9507 Estrs TipoTcnico -10.1105 5.4220 GneroM 0.6113

La prueba paso a paso nos confirma que efectivamente el parmetro gnero si es significativo mientras que el parmetro ausentismo no lo es; por lo tanto se procede a establecer un nuevo modelo excluyendo a la variable ausentismo que muy probablemente haya estado enmascarando a la variable genero de este modo el nuevo modelo ser: Cumplimiento ~ Estrs + Tipo + Gnero Que segn lo anterior vimos que las variables explicativas estrs, tipo y genero afectan el cumplimiento de los trabajadores por lo tanto el modelo en caso de que los errores se distribuyan aproximadamente normal ser significativo.

> confint(reg) 2.5 % 97.5 %

(Intercept) 91.8190388 96.082329 GneroM Estrs -0.1450475 1.367711 -13.9858553 -6.235054

TipoTcnico 4.4705090 6.373573

Vemos que el intercepto se encuentra entre 91.8190388 y 96.082329 con un95% de confianza y que por cada unidad que aumente el nivel de estrs si mantenemos constantes las dems variables explicativas el cumplimiento de los empleados disminuira entre 13.9858553 y 6.235054 puntos; adems si el trabajador es tcnico con respecto a los trabajadores administrativos si mantenemos constantes el resto de las variables explicativas el cumplimiento estar por encima entre 4.4705090 y 6.373573 puntos con una confianza del 95% Sobre la variable gnero no podemos hacer inferencia debido a que incluye al cero en su intervalo de confianza. Procederemos a hacer el anlisis de residuales para determinar la normalidad de los errores

Esta grafica nos muestra que los errores presentan una varianza constante y son relativamente pocos los puntos que sobrepasan por exceso o por defecto las cotas [-2,2] y solo un punto est por fuera de las cotas [-3.5, 3.5] as que por ahora no podemos asegurar que los errores no se distribuyan aproximadamente normal

La grafica de probabilidad normal nos da a entender que los errores no se distribuyen aproximadamente normales ya que hay secuencias consecutivas de puntos demasiado largas por debajo de la recta adems de que hay muchos puntos relativamente alejados de la lnea al principio y al final (alejados en comparacin con los puntos centrales) Comprobemos las sospechas de no normalidad con el histograma:

El histograma indica una tendencia parecida a la normal pero muy alejada del centro por lo tanto decimos que los errores no presentan una distribucin aproximadamente normal. As afirmamos que el modelo no es el ms adecuado.

You might also like