Interpretación de Modelos de Regresión: Significancia, Coeficientes y R-Cuadrado Ajustado

Resultados de la Prueba de Significancia Global (Valor F)

Dado que el valor F es mayor que su valor crítico de F, se rechaza la hipótesis nula. Existe una relación significativa entre el número de ventas y las dos variables independientes.

Selección de Variables y Contribución al Modelo

Tomando en cuenta el valor p asociado al coeficiente parcial de correlación, en aquellos casos donde dicho valor es menor que el nivel de significancia, se rechaza la hipótesis nula. Por lo tanto, las variables asociadas que hacen una contribución significativa al modelo son el porcentaje de tiros del equipo y el porcentaje de tiros del rival. Este es el modelo más apropiado.

(Nota: Los coeficientes con p-valor menor a 0.05 se incluyen en la ecuación).

Interpretación del R-Cuadrado Ajustado

El R-cuadrado ajustado (58.27%) indica que el 58.27% de la variabilidad en el número de victorias puede explicarse por la variabilidad en las variables independientes, teniendo mayor efecto aquellas que hacen una contribución significativa al modelo.

Interpretación del Intervalo de Confianza del 95%

Estimación para la Pendiente Poblacional (β₁)

Modelo Deportivo (Número de Victorias vs. Porcentaje de Tiros del Equipo)

Interpretación de la estimación del intervalo de confianza del 95% para la pendiente poblacional entre el número de victorias y el porcentaje de tiros del equipo (β₁):

Para equipos con igual porcentaje de tiro del rival y de la misma conferencia, por cada incremento de una unidad (porcentual) del porcentaje de tiro del equipo, el incremento en el número de victorias promedio esperado, con un intervalo de confianza del 95%, estaría entre 4 y 8 juegos aproximadamente.

Modelo Inmobiliario (Precio Final vs. Valor Estimado)

Interpretación para β₁ (Casas): Para casas con igual período de valoración y en la misma ubicación, por cada mil dólares adicionales en el valor estimado, se espera que el precio final de la casa aumente entre un mínimo de 1.575 a un máximo de 1.921 miles de dólares.

Validación del Modelo

Se observa aleatoriedad en las gráficas de los residuos, por lo que se puede concluir que el modelo es idóneo.

Interpretación de Coeficientes de Regresión Específicos

Modelo Deportivo

• Para β₁ (5.80): Para equipos con igual porcentaje de tiro del rival y de la misma conferencia, por cada incremento de una unidad (porcentual) del porcentaje de tiro del equipo, el número de victorias promedio se incrementa en aproximadamente 6.
• Para β₂ (-3.54): Para equipos con igual porcentaje de tiro y de la misma conferencia, por cada incremento de una unidad (porcentual) del porcentaje de tiro del rival, el número de victorias promedio disminuye en aproximadamente 4.
• Para β₃ (0.02): Para equipos con igual porcentaje de tiro e igual porcentaje de tiro del rival, por el cambio de la conferencia, el número de victorias promedio se incrementa en aproximadamente 0.

Modelo Inmobiliario

• Para β₁ (1.748 miles de dólares): Para casas con igual período de valoración y en la misma ubicación, por cada mil dólares adicionales en el valor estimado, se espera un aumento promedio en el precio final de venta de 1.748 miles de dólares.
• Para β₂ (0.358 miles de dólares): Para casas con igual valor estimado y en la misma ubicación, por cada mes adicional desde la última valoración, se espera un aumento promedio en el precio final de venta de 0.358 miles de dólares.
• Para β₃ (-1.582 miles de dólares): Para casas con igual período de valoración e igual valor estimado, por el cambio en la ubicación, se espera una disminución en el precio final de venta de 1.582 miles de dólares.