Metodo forwad

1. El modelo de regresin en un inicio solo consta del intercepto

2. La primera variable en ingresar es aquella que tiene mayor correlacin con la variable
independiente.
Podemos observar que la variable con mayor correlacin es

x 3(r y x =0.905)
3

3. el regresor con mayor correlacin parcial con y es decir la variable

modelo si su estadstica parcial

es mayor que

Calculamos las estadsticas parciales:

Para x 1 F cal I =

Para x 2 F cal =

CMR( 1) 351627.757
=
=1 0.664
CME( 1) 32971.928

CMR( 2) 2670151.735
=
=286.696
CME( 2)
9313.521

x 3 se agregar al

F , 1,n p=F 0.05,1,1002=3.938

Para x 3 Fcal I =

CMR( 3 ) 2931561.261
=
=441.097
CME( 3 )
6646.076

Para x 4 F cal =

CMR ( 4 ) 2051696.191
=
=131.315
CME ( 4 ) 15624.291

Para x 5 Fcal I =

CMR( 5 ) 1518096.061
=
=72.053
CME( 5 ) 21069.191

Dado que la estadstica parcial de

x 4 F cal I =69.609> F tab =4.21 , x 4 ingresa y el modelo

resultante es:

y=607.10321.402 x 4
4. Calculamos la estadstica parcial F

x 1 , x 2 , x 3 , x 5 de la variables dado que

el modelo y escogemos el mximo de ellos.

x 4 est en

Para x 1 F cal II =

CMR( 1 / 4 ) SSR ( 1 4 ) SSR ( 4 ) 10774.49010578.685

=
=
=1.3028
CME( 1 4 )
CME( 1 4 )
150.286

Para x 2 F cal II =

CMR( 2 / 4 ) SSR ( 2 4 ) SSR ( 4 ) 10578.80010578.685

=
=
=0.00072
CME( 2 4 )
CME( 2 4 )
157.813

Para x 3 Fcal II =

CMR( 3 / 4 ) SSR ( 3 4 )SSR( 4 ) 12607.59810578.685

=
=
=25.4307
CME( 3 4 )
CME ( 3 4 )
79.782

Para x 5 Fcal II =

CMR( 5 / 4 ) SSR ( 5 4 )SSR( 4 ) 12042.21210578.685

=
=
=14.4150
CME( 5 4 )
CME ( 5 4 )
101.528

La mayor estadstica parcial F

mayor que

II

es para la variable x 3 F cal =25.4307 , dado que es

Ftab =F 0.05,1,293=4.225 esta variable ingresa al modelo obteniendo:

y=483.67024.215 x 4 + 4.796 x 3
5. Calculamos la estadstica parcial F

de las variables

x 1 , x 2 , x 5 dado que

x 4 y x 3 estn

en el modelo y escogemos el mximo de ellos.

Para x 1 F cal III=

CMR( 1 / 3 4 ) SSR ( 1 3 4 ) SSR( 3 4 ) 12696.77012607.598

=
=
=1.1229
CME( 1 3 4 )
CME( 1 3 4 )
79.406

Para x 2 F cal III =

CMR( 2 / 3 4 ) SSR ( 2 3 4 ) SSR ( 3 4 ) 12833.86712607.598

=
=
=3.0609
CME( 2 3 4 )
CME( 2 3 4 )
73.922

Para x 5 F cal III =

CMR( 5 / 3 4) SSR ( 5 3 4 ) SSR( 3 4 ) 12681.69712607.598

=
=
=0.92613
CME( 5 3 4 )
CME( 5 3 4 )
80.009

La mayor estadstica parcial F

que

Ftab =F 0.05,1,294 =4.24

III

es para la variable x 2 F cal =3.0609 , dado que es menor

esta variable no ingresa por lo tanto el modelo final seria:

y=483.67024.215 x 4 + 4.796 x 3

Metodo backward
1. se tiene como hipotesis que todas la variables estan presents en el modelo, obteniendose:

y=325.436+ 0.68 x 1 +2.552 x 2 +3.8 x 322.949 x 4 +2.417 x5

2. calculamos las estadsticas parciales de cada variable

F p ( x 1 )=

CMR( 1 2 3 4 5 / 2 3 4 5) SSR ( 1 2 3 4 5 )SSR( 2 3 4 5 ) 13195.53312844.975

=
=
=5.
CME ( 1 2 3 4 5 )
CME( 1 2 3 4 5)
64.626

F p ( x 2 )=

CMR( 1 2 3 4 5 / 1 3 4 5) SSR ( 1 2 3 4 5 )SSR( 1 3 4 5 ) 13195.53312925.407

=
=
=4.
CME ( 1 2 3 4 5 )
CME( 1 2 3 4 5)
64.626

F p ( x 3 )=

CMR( 1 2 3 4 5 / 1 2 4 5) SSR ( 1 2 3 4 5 )SSR( 1 2 4 5 ) 13195.53312758.382

=
=
=6.
CME ( 1 2 3 4 5 )
CME( 1 2 3 4 5)
64.626

F p ( x4 )=

CMR ( 1 2 3 4 5 / 1 2 3 5) SSR ( 1 2 3 4 5 )SSR( 1 2 3 5) 13195.5338538.971

=
=
=72.
CME( 1 2 3 4 5 )
CME( 1 2 3 4 5)
64.626

F p ( x 5 )=

CMR( 1 2 3 4 5 / 1 2 3 4 ) SSR ( 1 2 3 4 5 )SSR( 1 2 3 4 ) 13195.53313080.030

=
=
=1.
CME ( 1 2 3 4 5 )
CME( 1 2 3 4 5)
64.626

Dado que la variable

x 5 posee el estadstico minimo

F p ( x 5 )=1.7872< F 0.05,1,296=4.279

entonces esta variable saldr del modelo quedadando asi:

y=270.210+ 0.052 x 1+ 2.951 x 2 +5.339 x 321.119 x 4

3. Nuevamente calculamos las estadsticas parciales de cada variable

F p ( x 1 )=

CMR( 1 2 3 4 / 2 3 4 ) SSR ( 1 2 3 4 )SSR( 2 3 4 ) 13080.03012833.867

=
=
=3.688
CME( 1 2 3 4 )
CME (1 2 3 4)
66.746

F p ( x 2 )=

CMR( 1 2 3 4 / 1 3 4 ) SSR ( 1 2 3 4 )SSR( 1 3 4 ) 13080.03012696.770

=
=
=5.7420
CME( 1 2 3 4 )
CME ( 1 2 3 4)
66.746

F p ( x 3 )=

CMR( 1 2 3 4 / 1 2 4 ) SSR ( 1 2 3 4 )SSR( 1 2 4 ) 13080.03010808.151

=
=
=34.037
CME( 1 2 3 4 )
CME ( 1 2 3 4 )
66.746

F p ( x4 )=

CMR ( 1 2 3 4 / 1 2 3 ) SSR ( 1 2 3 4 )SSR( 1 2 3 ) 13080.0307777.001

=
=
=79.450
CME ( 1 2 3 4)
CME( 1 2 3 4 )
66.746

Dado que la variable

x 1 posee el estadstico mnimo

F p ( x 1 )=3.688< F 0.05,1,295=4.259

entonces esta variable saldr del modelo quedando as:

y=389.166+2.125 x 2 +5.318 x 324.132 x 4

4. Nuevamente calculamos las estadsticas parciales de cada variable

F p ( x 2 )=

CMR( 2 3 4 / 3 4 ) SSR ( 2 3 4 ) SSR( 3 4 ) 12833.86712607.598

=
=
=3.0609
CME( 2 3 4 )
CME( 2 3 4 )
73.922

F p ( x 3 )=

CMR( 2 3 4 / 2 4 ) SSR ( 2 3 4 ) SSR( 2 4 ) 12833.86710578.800

=
=
=30.5060
CME( 2 3 4 )
CME( 2 3 4 )
73.922

F p ( x4 )=

CMR ( 2 3 4 / 2 3) SSR ( 2 3 4 ) SSR( 2 3) 12833.867503.284

=
=
=166.8053
CME ( 2 3 4 )
CME( 2 3 4)
73.922

Dado que la variable

x 2 posee el estadstico mnimo

F p ( x 2 )=3.0609< F 0.05,1,294 =4.241

entonces esta variable saldr del modelo quedando as:

y=483.670+4.796 x 324.215 x 4
5. Nuevamente calculamos las estadsticas parciales de cada variable

F p ( x 3 )=

CMR( 3 4 / 4 ) SSR ( 3 4 ) SSR ( 4 ) 12607.59810578.685

=
=
=13.350
CME( 3 4 )
CME( 3 4 )
151.972

F p ( x4 )=

CMR ( 3 4 / 3 ) SSR ( 3 4 ) SSR ( 3) 12607.598184.471

=
=
=81.7461
CME ( 3 4 )
CME( 3 4)
151.972

Dado que para las variables

x3 y x4

F p ( x 3 )=13.3505> F 0.05,1,293=4.225
F p ( x 4 ) =81.7461> F 0.05,1,293=4.225
Entonces estas variables permanecern en el modelo quedando finalmente lo siguiente:

y=483.670+4.796 x 324.215 x 4
Mtodo stepwise
1. El modelo de regresin en un inicio solo consta del intercepto
2. La primera variable en ingresar es aquella que tiene mayor correlacin con la variable
independiente.
Podemos observar que la variable con mayor correlacin es

x 4 (r y x =0.849)
1

3. el regresor con mayor correlacin parcial con y es decir la variable

modelo si su estadstica parcial

Calculamos las estadsticas parciales:

es mayor que

x 4 se agregar al

F , 1,n p=F 0.05,1,292=4.21

Para x 1 F cal I =

CMR( 1) 5783.780
=
=17.55
CME( 1) 329,561

Para x 2 F cal =

CMR( 2) 153.807
=
=0.286
CME( 2) 538.079

Para x 3 Fcal I =

CMR( 3 ) 184.471
=
=0.344
CME( 3 ) 536.943

Para x 4 F calI =

CMR ( 4 ) 10578.685
=
=69.609
CME ( 4 ) 151.972

Para x 5 Fcal I =

CMR( 5 ) 1810.081
=
=3.797
CME( 5 ) 476.735

Dado que la estadstica parcial de

x 4 F cal I =69.609> F tab =4.21 , x 4 ingresa y el modelo

resultante es:

y=607.10321.402 x 4
4. Calculamos la estadstica parcial F

x 1 , x 2 , x 3 , x 5 de la variables dado que

el modelo y escogemos el mximo de ellos.

Para x 1 F cal II =

CMR( 1 / 4 ) SSR ( 1 4 ) SSR ( 4 ) 10774.49010578.685

=
=
=1.3028
CME( 1 4 )
CME( 1 4 )
150.286

Para x 2 F cal II =

CMR( 2 / 4 ) SSR ( 2 4 ) SSR ( 4 ) 10578.80010578.685

=
=
=0.00072
CME( 2 4 )
CME( 2 4 )
157.813

x 4 est en

Para x 3 Fcal II =

CMR( 3 / 4 ) SSR ( 3 4 )SSR( 4 ) 12607.59810578.685

=
=
=25.4307
CME( 3 4 )
CME ( 3 4 )
79.782

Para x 5 Fcal II =

CMR( 5 / 4 ) SSR ( 5 4 )SSR( 4 ) 12042.21210578.685

=
=
=14.4150
CME( 5 4 )
CME ( 5 4 )
101.528

La mayor estadstica parcial F

mayor que

Ftab =F 0.05,1,293=4.225 esta variable ingresa al modelo .

Revaluamos la variable

Fcal I =

II

es para la variable x 3 F cal =25.4307 , dado que es

x4

CMR( 4 / 1 ) SCR ( 4 1 )SCR( 1) 10774.4905783.780

=
=
=33.21 no es menor que
CME( 4 1)
CME( 4 1)
150.286

F0.05,1,29 3 =4.225

permanece en el modelo por consiguiente se obtiene:

y=483.67024.215 x 4 + 4.796 x 3
5. Calculamos la estadstica parcial F

de las variables

x 1 , x 2 , x 5 dado que

x 4 y x 3 estn

en el modelo y escogemos el mximo de ellos.

Para x 1 F cal III=

CMR( 1 / 3 4 ) SSR ( 1 3 4 ) SSR( 3 4 ) 12696.77012607.598

=
=
=1.1229
CME( 1 3 4 )
CME( 1 3 4 )
79.406

Para x 2 F cal III =

C MR ( 2 / 3 4 ) SSR ( 2 3 4 )SSR( 3 4) 12833.86712607.598

=
=
=3.0609
CME( 2 3 4)
CME ( 2 3 4 )
73.922

Para x 5 Fcal III =

CMR( 5 / 3 4) SSR ( 5 3 4 ) SSR( 3 4 ) 12681.69712607.598

=
=
=0.92613
CME( 5 3 4 )
CME( 5 3 4 )
80.009

La mayor estadstica parcial F

que

Ftab =F 0.05,1,294 =4.24

III

es para la variable x 2 F cal =3.0609 , dado que es menor

esta variable no ingresa por lo tanto el modelo final seria:

y=483.67024.215 x 4 + 4.796 x 3