Pregunta: Damos la salida de Excel del análisis de regresión. Por encima de la salida damos el modelo de regresión y el número de observaciones, n, utilizado para realizar el análisis de regresión en consideración. Usando el modelo, tamaño de muestra n y salida: Modelo: y = β0 + β1x1 + β2x2 + β3x3 + ε Tamaño de muestra: n = 30 Estadísticas de regresión R múltiple

Damos la salida de Excel del análisis de regresión. Por encima de la salida damos el modelo de regresión y el número de observaciones, n, utilizado para realizar el análisis de regresión en consideración. Usando el modelo, tamaño de muestra n y salida: Modelo: y = β0 + β1x1 + β2x2 + β3x3 + ε Tamaño de muestra: n = 30 Estadísticas de regresión R múltiple .1761 R cuadrada .0310 R cuadrada ajustada .0000 Error estándar .6970 Observaciones 30 ANOVA DF SS MS FP Regresión 3 .3992 .1331 .2741 .8435 Residual 26 12.6203 .4854 Total 29 13.0195 (1) Informe SSE, s2 y s como se muestra en la salida. (Redondee sus respuestas a 4 lugares decimales). SSE s2 s (2) Informe R2 y R⎯⎯⎯2como se muestra en el resultado. (Redondee sus respuestas a 4 lugares decimales). Imagen R2 (3) Informe la variación total, la variación no explicada y la variación explicada como se muestra en el resultado. (Redondee sus respuestas a 4 decimales). Variación total Variación no explicada Variación explicada (4) Calcule la estadística F(modelo) utilizando la variación explicada, la variación no explicada y otras cantidades relevantes. (Redondee su respuesta a 2 decimales.) F(modelo) (5) Use el estadístico F(modelo) y el valor crítico apropiado para probar la importancia del modelo de regresión lineal bajo consideración al establecer α igual a .05. H0: β1 = β2 = β3 = 0 estableciendo α = .05. (6) Utilice el estadístico F(modelo) y el valor crítico apropiado para probar la significancia del modelo de regresión lineal bajo consideración al establecer α igual a .01. H0: β1 = β2 = β3 = 0 estableciendo α = .01. (7) Encuentre el valor p relacionado con F(modelo) en la salida. Usando el valor p, pruebe la importancia del modelo de regresión lineal estableciendo α = .10, .05, .01 y .001. ¿Qué concluyes? Dado que este valor p es mayor que α = .10, .05, .01 y .001, tenemos evidencia de que H0: β1 = β2 = β3 = 0 es falsa. Es decir, tenemos evidencia de que al menos uno de x1, x2, x3 está significativamente relacionado con y.