ANALISIS DE RGRESIN: REGRESIN LINEAL SIMPLE

Prof Vctor Igncio Lpez Ros 01-2009

OBJETIVO: Con ayuda de SAS hacer un anlisis de Regresin lineal Simple.

PROBLEMA: Se va a estudiar la relacin entre el Costo Total por comida y el nmero total de comidas servidas en un restaurante en particular. Para esto se ejecut un program
SAS usando los datos de costos y nmero de comidas servidas durante 11 semanas que se dan a continuacin.
Nmero de Comidas servidas
30
35
40
45
50
55
60
65
70
75
80
48 63
Costo por comida
1.15 1.10 0.98 1.01 0.97 0.90 0.89 0.80 0.85 0.78 0.70
. .
( x $2000)

Analizar el diagrama de dispersin

Ajustar un modelo de regresin lineal simple

Determinar si la regresin es significativa

Hacer el anlisis de los grficos de residuales

Determinar si el efecto del nmero de comidas servidas sobre el costo por comida es significativo

Calcule el intervalo de confianza del 95% para el parmetro 1.

Podra afirmarse que por cada 10 comidas de aumento en el nmero de comidas servidas el costo promedio por comida disminuye en $3500?
Estime el costo promedio por comida si en una semana en particular se sirven un total de 48 comidas. Calcule un intervalo de confianza del 95% para esta estimacin
Suponga que la semana entrante se van a servir un total de 63 comidas. Cul ser el costo por comida? Encuentre un intervalo de ocnfianza del 95 % para esta
prediccin.

Anlisis de los supuestos sobre el trmino de error.

Programa en SAS

DM 'LOG;CLEAR';
DM 'OUTPUT;CLEAR';
OPTIONS nodate nocenter nonumber nodate ls=80 ps=60;
*LECTURA DE DATOS;
DATA COMIDA;
INFILE 'A:\COMIDA.DAT';
INPUT x y;
RUN;
*Grafica de Dispersion;
PROC PLOT DATA=COMIDA hpercent=50 vpercent=50;
PLOT y*x='*';
RUN;
*Regresion Y vs. X;
PROC REG DATA=COMIDA;
MODEL y=x/ xpx R CLM CLI;
OUTPUT OUT= res r=res;
PLOT r.*(x p.)= '*'/ HPLOTS=2 VPLOTS=2;
RUN;
*ANALISIS DE RESIDUALES;
PROC UNIVARIATE DATA=res PLOT NORMAL;
VAR res;
RUN;
QUIT;
RESULTADOS DEL PROGRAMA EN SAS EDITADOS:
Model Crossproducts X'X X'Y Y'Y
X'X
INTERCEP
X
Y
INTERCEP
11
605
X
605
36025
Y
10.13
535.05
9.5169

10.13
535.05
Analysis of Variance

Sum of
Mean
Source
DF
Squares
Square
F Value
Model
1
0.17760
0.17760
152.416
Error
9
0.01049
0.00117
C Total
10
0.18809
Root MSE
0.03414
R-square
0.9442
Dep Mean
0.92091
Adj R-sq
0.9380
C.V.
3.70675

Prob>F
0.0001

GRAFICO DE DISPERSIN
Plot of Y*X. Symbol used is '*'.
Y
1.2
*

1.0
*

*
*

* *

0.8
*

0.6

30 35 40 45 50 55 60 65 70 75 80
x

Parameter Estimates
Parameter
Standard T for H0:
Variable DF
Estimate
Error Parameter=0 Prob > |T|
INTERCEP 1
1.362909 0.03725198
36.586
0.0001

-0.008036

0.00065094

-12.346

0.0001

Dep Var Predict Std Err Lower95% Upper95% Lower95% Upper95%

Obs
Y
Value Predict
Mean
Mean Predict Predict
1
2
3
4
5
6
7
8
9
10
11
12
13

1.1500 1.1218
0.019 1.0783 1.1654 1.0332 1.2105
1.1000 1.0816
0.017 1.0441 1.1192 0.9958 1.1675
0.9800 1.0415
0.014 1.0094 1.0735 0.9578 1.1251
1.0100 1.0013
0.012 0.9737 1.0288 0.9193 1.0833
0.9700 0.9611
0.011 0.9367 0.9855 0.8801 1.0421
0.9000 0.9209
0.010 0.8976 0.9442 0.8403 1.0016
0.8900 0.8807
0.011 0.8563 0.9051 0.7997 0.9617
0.8000 0.8405
0.012 0.8130 0.8681 0.7586 0.9225
0.8500 0.8004
0.014 0.7683 0.8325 0.7167 0.8840
0.7800 0.7602
0.017 0.7226 0.7977 0.6743 0.8460
0.7000 0.7200
0.019 0.6764 0.7636 0.6313 0.8087
. 0.9772
0.011 0.9517 1.0026 0.8959 1.0585
. 0.8566
0.012 0.8305 0.8827 0.7751 0.9381

Std Err Student

Obs Residual Residual Residual
1
2
3
4
5
6
7
8
9
10
11
12
13

0.0282
0.0184
-0.0615
0.00873
0.00891
-0.0209
0.00927
-0.0405
0.0496
0.0198
-0.0200
.
.
.
.

Cook's
-2-1-0 1 2

0.028
1.000 |
|*
0.030
0.616 |
|*
0.031 -1.979 | ***|
0.032
0.274 |
|
0.032
0.275 |
|
0.033 -0.642 |
*|
0.032
0.286 |
|
0.032 -1.271 | **|
0.031
1.599 |
|***
0.030
0.664 |
|*
0.028 -0.710 |
*|
.
.
.
.

|
|
|
|
|
|
|
|
|
|
|

0.233
0.059
0.409
0.005
0.004
0.021
0.005
0.118
0.267
0.068
0.117

Dep Var Predict Std Err Lower95% Upper95% Lower95% Upper95%

Obs
Y
Value Predict
Mean
Mean Predict Predict
1
2
3
4
5
6
7
8
9
10
11
12
13

1.1500 1.1218
0.019 1.0783 1.1654 1.0332 1.2105
1.1000 1.0816
0.017 1.0441 1.1192 0.9958 1.1675
0.9800 1.0415
0.014 1.0094 1.0735 0.9578 1.1251
1.0100 1.0013
0.012 0.9737 1.0288 0.9193 1.0833
0.9700 0.9611
0.011 0.9367 0.9855 0.8801 1.0421
0.9000 0.9209
0.010 0.8976 0.9442 0.8403 1.0016
0.8900 0.8807
0.011 0.8563 0.9051 0.7997 0.9617
0.8000 0.8405
0.012 0.8130 0.8681 0.7586 0.9225
0.8500 0.8004
0.014 0.7683 0.8325 0.7167 0.8840
0.7800 0.7602
0.017 0.7226 0.7977 0.6743 0.8460
0.7000 0.7200
0.019 0.6764 0.7636 0.6313 0.8087
. 0.9772
0.011 0.9517 1.0026 0.8959 1.0585
. 0.8566
0.012 0.8305 0.8827 0.7751 0.9381

Std Err Student

Obs Residual Residual Residual
1
2
3
4
5
6
7
8
9
10
11
12
13

0.0282
0.0184
-0.0615
0.00873
0.00891
-0.0209
0.00927
-0.0405
0.0496
0.0198
-0.0200
.
.
.
.

Cook's
-2-1-0 1 2

0.028
1.000 |
|*
0.030
0.616 |
|*
0.031 -1.979 | ***|
0.032
0.274 |
|
0.032
0.275 |
|
0.033 -0.642 |
*|
0.032
0.286 |
|
0.032 -1.271 | **|
0.031
1.599 |
|***
0.030
0.664 |
|*
0.028 -0.710 |
*|
.
.
.
.

|
|
|
|
|
|
|
|
|
|
|

0.233
0.059
0.409
0.005
0.004
0.021
0.005
0.118
0.267
0.068
0.117

The SAS System

0.05
*
0.05
*

*
*
*
*

** *
R

* **

E 0.00
E 0.00

*
* D
*
*

*
L

-0.05
-0.05

-0.10
-0.10

30 40 50 60 70 80
0.7 0.8 0.9 1.0 1.1 1.2
X

PRED

ESTADISTICOS DE LOS RESIDUALES

N
11 Sum Wgts
11
Mean
0 Sum
0
Std Dev 0.032384 Variance 0.001049
Skewness -0.55806 Kurtosis -0.11516
USS
0.010487 CSS
0.010487
CV
. Std Mean 0.009764
T:Mean=0
0 Pr>|T|
1.0000
Num ^= 0
11 Num > 0
7
M(Sign)
1.5 Pr>=|M|
0.5488
Sgn Rank
0 Pr>=|S|
1.0000
W:Normal 0.948471 Pr<W
0.6021

GRFICO DE PROBABILIDAD NORMAL

Variable=RES

Residual

Normal Probability Plot

0.05+
+++*++
|
++++*+
|
* *+*++*+*
-0.01+
+*++++
|
+++++*
|
++++++ *
-0.07+ ++++++ *
+----+----+----+----+----+----+----+----+----+----+
-2
-1
0
+1
+2

Range
0.111091
Q3-Q1
0.040727
Mode
-0.06145
Stem Leaf
# Boxplot
40
1
|
2 08
2 +-----+
0 9998
4 *--+--*
-0
|
|
-2 10
2 +-----+
-4 1
1
|
-6 1
1
|
----+----+----+----+
Multiply Stem.Leaf by 10**-2

X
GRAFICOS OBTENIDOS CON EL ITERACTIVE DATA ANALYSIS
GRFICOS DE RESIDUALES Y DE PROBABILIDAD NORMAL

GRAFICO DE RESIDUALES Y DE PROBABILIDAD NORMAL