Análisis de Regresión y Correlación con MINITAB - Tecnun

Ejemplo práctico con MINITAB
Lo más habitual en la práctica es querer establecer una relación
entre una variable respuesta (Y) y varias explicativas (X’s)
Para la Regresión Múltiple, existen varias opciones:
Stat/Regression/Regression
Stat/Regression/Best Subsets
Stat/Regression/Stepwise
Ejemplo práctico con MINITAB
Ejemplo con la opción Stat/Regression/Regression
Regression Analysis: Tiempo versus Edad; Peso; ...
The regression equation is
Tiempo = 486 + 3,41 Edad + 0,347 Peso - 21,4 Experiencia + 0,702 EnCarrera
- 0,173 EnBici - 1,37 EnNatacion - 3,36 COCarrera - 1,38 COBici
+ 0,893 CONatacion
Predictor Coef SE Coef T P
Constant 486,3 114,5 4,25 0,000
Edad 3,410 1,091 3,13 0,003
Peso 0,3470 0,7862 0,44 0,661
Experien -21,424 3,697 -5,80 0,000
EnCarrer 0,7025 0,2771 2,54 0,014
EnBici -0,17251 0,06920 -2,49 0,016
EnNataci -1,3727 0,9566 -1,43 0,157
COCarrer -3,3550 0,8338 -4,02 0,000
COBici -1,3845 0,9098 -1,52 0,134
CONataci 0,8934 0,9217 0,97 0,337
S = 22,70 R-Sq = 80,4% R-Sq(adj) = 77,2%
Analysis of Variance
Source DF SS MS F P
Regression 9 116566 12952 25,14 0,000
Residual Error 55 28339 515
Total 64 144905
Unusual Observations
Obs Edad Tiempo Fit SE Fit Residual St Resid
19 36,0 408,00 359,05 10,03 48,95 2,40R
32 37,0 407,00 364,39 10,96 42,61 2,14R
36 37,0 325,00 367,72 8,39 -42,72 -2,03R
R denotes an observation with a large standardized residual
Bondad del ajuste
¡¡Cuidado!!
Linealidad significativa