Coeficientes
Aunque el ajuste del modelo parece positivo, la primera sección de la tabla de coeficientes muestra que hay demasiados predictores en el modelo. Existen varios coeficientes no significativos, lo que indica que estas variables no contribuyen mucho al modelo.
Para determinar la importancia relativa de los predictores significativos, mire los coeficientes estandarizados. Aunque Precio en miles tiene un coeficiente pequeño en comparación con Tipo de vehículo, Precio en miles realmente contribuye más al modelo porque tiene un coeficiente estandarizado absoluto más grande.
La segunda sección de la tabla de coeficientes muestra que puede haber un problema con la multicolinealidad. Para la mayoría de los predictores, los valores de las correlaciones parcial y parcial caen bruscamente de la correlación de orden cero. Esto significa, por ejemplo, que gran parte de la varianza en ventas que se explica por precio también se explica por otras variables.
La tolerancia es el porcentaje de la varianza en un predictor determinado que no pueden explicar los otros predictores. Por lo tanto, las tolerancias pequeñas muestran que el 70 %-90% de la varianza en un predictor determinado puede ser explicado por los otros predictores. Cuando las tolerancias son cercanas a 0, hay una multicolinealidad alta y se inflará el error estándar de los coeficientes de regresión. Un factor de inflación de varianza mayor que 2 se suele considerar problemático, y el VIF más pequeño de la tabla es 3,193.