¡Descarga Ejercicios tema 1 a 7 y más Ejercicios en PDF de Industria y Comercio solo en Docsity! EJERCICIO 1 Apartado a Gráficos, gráficos de dispersión La forma del diagrama de puntos sugiere que la relación es directa: a mayor superficie mayor volumen de ventas Apartado b Analizar, regresión, regresión lineal 218.150 901.247ventas m La variable metros cuadrados essignificativa para explicar las ventas porque rechazamos la hipótesis de que el coeficiente es igual a 0 No es significativa la constante Apartados c y d 14.424 15.420ventas gasto publicidad La variable gasto en publicidad es significativa para explicar las ventas (rechazamos la hipótesis de que el coeficiente es igual a 0). Por cada millón de euros de gasto adicional en publicidad, las ventas aumentan en 14.42 millones de cajas. No es significativa la constante Apartados e 614.424 70 15.420 994.26 10ventas cajas EJERCICIO 3 Apartado a Todas las correlaciones son positivas, luego relación directa El carácter directo de la relación entre las variables puede observarse en la matriz de dispersión EJERCICIO 4 Apartado a. El carácter de la relación nos lo da el signo de la correlación: Analizar, correlaciones, correlaciones bivariadas El contraste que se efectúa es: 0 1 : 0 : 0 H H Correlación negativa. Las variables tienen correlación inversa: a mayor edad menor absentismo Como el p valor es 0,000, menor que 0.01, rechazamos la hipótesis nula. Se dice, que la correlación es significativa al 1%
Apartado b
Analizar, regresión, regresión lineal HRS
En (>) Aa ]
<P Antiguedad >>> M0
4 Salano [sua )
Pr (Guiana) O
Ea
Pa | MA
Mátodo: Introducir 7]
——— Variable de selección:
E e |
.. Etiquetas de caso:
(y)
——— Ponderación MCP:
[ES
Lcoptar J[_ oa) (Bestaiccer] | Cancelar )Í_ ayuéa )
Coefficients?
Model Standardized
Unstandardized Coefficients Coefficients
B Std. Error Beta t Sig.
1 (Constant) 11,339 1,174 9,656 ,000
Edad -,188 ,030 -,675 -6,210 ,000
a. Dependent Variable: Absentismo
absentismo = -0.188 (edad) +11.339
Apartado g El modelo es significativo como indica la sig. del ANOVA (podemos rechazar la hipótesis de que todos los coeficientes son cero a la vez). No obstante este modelo no es aceptable, al tener dos variables no significativas (síntoma de multicolinealidad) Variables no significativas: edad y antiguedad Apartado h A la vista del VIF, la única variable que no presenta colinealidad con el resto es la variable salario. Estimamos el modelo eliminando la variable “antiguedad”. Modelo significativo Todas las variables son significativas La tolerancia es bastante alta (no hay multicolinealidad grave entre las variables salario y edad) 0.004 0.143 15.672absentismo salario edad Apartado i Resultados de la estimación del modelo por el procedimiento “estimación paso a paso de SPSS” 0.003 0.193 11.956absentismo salario antiguedad EJERCICIO 5 13,08 / 16,79( ) 156,43ventas radio tv newspaper Manteniendo constante el gasto en periódicos, por cada unidad adicional de gasto en radio/tv, las ventas aumentan 13.08 unidades Manteniendo constante el gasto en radio/TV, las ventas aumentan 16.79 unidades por cada unidad adicional de gasto en periódicos Apartados a y b Apartado c 313,08 20 16,79(20) 156,43 753.83 10ventas Apartado d Las dos variables independientes son significativas al 5% (rechazamos que los coeficientes Bradio tv y Bperiódicos sean cero, ya que los sig son menores que 0.05). Cada una de las variables contribuyen significativamente a la explicación de la variable ventas Apartado g El modelo es capaz de explicar el 78.9% de la variación de la variable ventas EJERCICIO 6 0,183( ) 1319,16PIB viajeros El modelo consigue explicar el 86.9% de la variación del PIB, luego la fiabilidad es alta Apartado a Apartado b 0,183 * 5000 915 El PIB aumentará en 915 millones de € Apartado c 0.1831* (100000) 1319.16 16993.84 €PIB millones Apartado d 13.070 * ( ) 397.769personal establecimientos 397.76 13.07 * (700) 8751.37 €Personal millones Estimamos el modelo eliminando la variable “personal empleado”. Estimamos el modelo eliminando la variable “nº establecimientos”. Nº establecimientos no significativa Personal empleado no significativa Estimamos el modelo eliminando las variables “nº establecimientos” y “personal empleado” R2 ajustado muy alto. Bondad de ajuste elevada Modelo significativo: no todos los coeficientes son cero a la vez Este es el modelo que proponemos como definitivo: no hay problemas de multicolinealidad y es significativo 0.283* 0.619 * 2342.85PIB viajeros plazas Variables significativas El procedimiento de “estimación paso a paso” de SPSS permite hacer de una sola vez, lo que nosotros hemos hecho por separado: reestimar los coeficientes del modelo eliminado paso a paso las variables colineales. La solución que dicho procedimiento proporciona coincide con la propuesta por nosotros: variables independientes nº de viajeros y nº de plazas Estimamos el modelo por el procedimiento “estimación paso a paso de SPSS”