Hagamos un análisis gráfico de este problema tratando de plotear líneas de ajuste para el modelo.
Para ello usemos la siguiente secuencia:
< Stat > - < Regression > - < Fitted line plot >
Ajustemos primero el PBI a los Gastos Públicos, GP. Para ello ingresamos en <Response (Y) > PBI y en < Predictor> GP; activamos también <Lineal>.
En < Options > debemos activar < Display confidence intervals > y < Display prediction intervals > y con un < Confidence level > de 0.95.
Los resultados son los siguientes:
Regression
The regression equation is
y = - 439 + 13.3 x
Predictor Coef StDev T P
Constant -439.2 221.0 -1.99 0.072
x 13.2908 0.9434 14.09 0.000
S = 139.9 R-Sq = 94.7% R-Sq(adj) = 94.3%
Analysis of Variance
Source DF SS MS F P
Regression 1 3887134 3887134 198.48 0.000
Residual Error 11 215426 19584
Total 12 4102560
Y la gráfica de ajuste es la siguiente
En rojo se muestra el intervalo de confianza de la media de PBI y en azul, el intervalo de confianza del valor predicho del PBI. Nótese que cuanto menor es la dispersión de los datos, respecto de la media, menor es el ancho de banda. Aquí r² = 94.7%
En el caso de PBI vs EX, tenemos la siguiente gráfica. En este caso, el ancho de banda es mucho más angosto y el r² = 98.7%.
![]() |
Nota:
Como nuestro amable lector podrá haber notado, todos los resultados obtenidos en un análisis de regresión, pueden ser almacenados para ser usados en otros cálculos. Entre los resultados que más interesas almacenar se encuentran los Residuales.
Síguenos en: Facebook Sobre aulaClic Política de Cookies