4

2
5
1
3
0011 0010 1010 1101 0001 0100 1011
TEMA 11:
REGRESIN LINEAL Y
CURVILINEA
Regresin lineal simple
Regresin lineal mltiple
Regresin curvilnea
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
BIBLIOGRAFA

Tema 8. Introduccin al anlisis de
regresin y correlacin.
En A. Pardo y R. San Martn (1998), Anlisis de datos en Psicologa II (2
ed) (pp. 389-409). Madrid: Pirmide.

Tema 10. Anlisis de regresin lineal.
En A. Pardo, M. A. Ruiz y R. San Martn (2009). Anlisis de datos en
ciencias sociales y de la salud I. (pp. 372-432). Madrid: Sntesis.

Tema 19. Anlisis de regresin curvilnea.
En A. Pardo y M. A.. Ruiz (2002), SPSS 11. Gua para el anlisis de datos.
(pp. 397-404). Madrid: Mc Graw Hill.




4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
Los modelos de regresin y
correlacin, como el ANOVA, son
modelos lineales generales.
INTRODUCCIN
i ik k i2 2 i1 1 i0 0 i
E X X X X Y + + + + + = ...
ANOVA vs Regresin y Correlacin
ANOVA Regresin-Correlacin
Modelo Lineal General Lineal General
VD Cuantitativa Cuantitativa
VI Cualitativa Cuantitativa
nfasis Comparacin entre medias Relacin entre variables
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
INTRODUCCIN
Regresin vs Correlacin
Regresin Correlacin
Objetivo Predecir la VD (Criterio) a
partir de la VI (Predictor)
Cuantificar la
asociacin entre dos
variables
Resultado Mejor cunto mayor sea la
correlacin entre las
variables
Mejor cunto mayor
sea la prediccin
VI Efectos fijos Efectos aleatorios
Orientacin Prediccin Relacin
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
Fuentes de
varianza
SC g.l. MC F

Regresin
(R)

Error
(E)

Total
(T)
MCE
MCR
1
SCR
2 - N
SCE
1
2 - N
1 N
SCT
REGRESIN LINEAL SIMPLE
Formato ANOVA
( )

2
'
i
Y Y

2
'
i i
Y Y
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL SIMPLE
SPSS
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL SIMPLE
SPSS
Y = + X + E
Rendimiento = Constante + CI + error
V.D. = Contante + V.I. + Error
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL SIMPLE
SPSS
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL SIMPLE
SPSS
Y = + X + E
Rendimiento = Constante + CI + error
V.D. = Contante + V.I. + Error
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL SIMPLE
SPSS
R
2
= 0,639 * 0,639 = 0,408
Proporcin de varianza
compartida
R = 0,639
Correlacin
Se suele informar de R
2
corregida
Bondad de ajuste
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL SIMPLE
SPSS
R
2
corregida : estimador menos sesgado de
R
2
: estimador ms sesgado de
Bondad de ajuste
1 p n
) R p(1
R R
2
2 2
Corregida

=
p: n de VVII
n: n de sujetos
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL SIMPLE
SPSS
Bondad de ajuste
1 - n
) Y - (Y
= S S
2
i
'
i i
E Y' - Y

=
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL SIMPLE
SPSS
Formato ANOVA
SCR
SCE
SCT = SCR + SCE
SCR/1
SCE/N-2
MCR/MCE
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL SIMPLE
SPSS
H
0
: 0
H
1
: > 0
Informa de la relacin
entre las variables
Contrastamos si el modelo es significativo
Formato ANOVA
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL SIMPLE
SPSS
Formato ANOVA
141,256 F F F
205 1 0,999 2 207 1 0,001 - 1 2 N 1 - 1
= = =
, , ,
F
1-
F
1,N-2
=
0,95
F
1,205
= 3,84

Como F = 141,256 > 3,84 rechazamos la H
0.

Zona crtica:
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL SIMPLE
SPSS
Ecuacin de regresin
H
0
: = 0
H
1
: 0
Y = + X + E
Rendimiento = Constante + CI + error
Rendimiento = 0,082 + 0,064*CI
Rendimiento = 0,639*CI
H
0
: = 0
H
1
: 0
F = (T

)
2
141,256= 11,885
2

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
SPSS
Ecuacin de regresin
348] [-1,184;1, 1,266 0,082 IC
0,642 1,972 - 0,082 IC
0,642 t 0,082 IC
S t IC

2 207 0,05/2
2 n /2
= =
=
=
=

REGRESIN LINEAL SIMPLE

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Contraste de hiptesis
Fuentes de
varianza
SC g.l. MC F

Regresin
(R)

Error
(E)

Total
(T)
MCE
MCR
p
SCR
1 - p - N
SCE
p
1 - p - N
1 N
SCT
( )

2
'
i
Y Y
( )

2
'
i i
Y Y
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Regresin jerrquica
Mtodos para seleccionar las VVII
Hacia
delante
(forward)
Hacia atrs
(backward)
Pasos
sucesivos
(stepwise)
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
SPSS
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
SPSS
Y =
0
+
1
X
1
+
2
X
2
+ E
Rendimiento = Constante + CI + Autoconcepto + Error
V.D. = Contante + V.I.
1
+ V.I.
2
+ Error
Pasos
sucesivos
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
SPSS
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
SPSS
Bondad de ajuste
Modelo 1
Y =
0
+
1
X
1
+ E
Rendimiento = Constante + CI + Error
V.D. = Contante + V.I.
1
+ Error
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
SPSS
Bondad de ajuste
R
2
= 0,639 * 0,639 = 0,408
% de varianza explicada por CI
R
Y(1)
= 0,639
Correlacin de Y con X
1
1 p n
) R p(1
R R
2
2 2
Corregida

=
p: n de VVII
n: n de sujetos
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
SPSS
Bondad de ajuste
Y =
0
+
1
X
1
+
2
X
2
+ E
Rendimiento = Constante + CI + Autoconcepto + Error
V.D. = Contante + V.I.
1
+ V.I.
2
+ Error
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
SPSS
Bondad de ajuste
R
2
= 0,463
% de varianza explicada por CI
y Autoconcepto
R
Y(12)
= 0,680
Correlacin de Y con X
1
y X
2
1 p n
) R p(1
R R
2
2 2
Corregida

=
p: n de VVII
n: n de sujetos
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
SPSS
Bondad de ajuste
R
2
Y(2|1)
= 0,055
R
2
semiparcial de Y con X
2

eliminando X
1
de

X
2
2
cambio|X
j
R
% de varianza explicada
Autoconcepto
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Coeficiente R
2
Y(12p)

SCR
SCE
SCT = SCR + SCE
SCR/1
SCE/N-2
MCR/MCE
Modelo 1
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Coeficiente R
2
Y(12p)

Modelo 1
H
0
: R
2
Y(1)
= 0
H
1
: R
2
Y(1)
0
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Coeficiente R
2
Y(12p)

Modelo 1
141,256 F F F
205 1 0,999 2 207 1 0,001 - 1 2 N 1 - 1
= = =
, , ,
F
1-
F
1,N-2
=
0,95
F
1,205
= 3,84

Como F = 141,256 > 3,84 rechazamos la H
0

Zona crtica:
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Coeficiente R
2
Y(12p)

Modelo 2
SCR
SCE
SCT = SCR + SCE
SCR/p
SCE/N-p-1
MCI/MCE
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Coeficiente R
2
Y(12p)

Modelo 2
H
0
: R
2
Y(12)
= 0
H
1
: R
2
Y(12)
0
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Coeficiente R
2
Y(12p)

Modelo 2
87,774 F F F
2,204 0,999 1 - 2 2,207 0,001 - 1 1 p N p, - 1
= = =

F
1-
F
p,N-p-1
=
0,95
F
2,204
= 3,00

Como F = 97,774 > 3,00 rechazamos la H
0

Zona crtica:
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Ecuacin de regresin
Modelo 1
H
0
:
1
= 0
H
1
:
1
0
Y =
0
+
1
X
1
+ E
Rendimiento= Constante + CI + error
Rendimiento = 0,082 + 0,064*CI
Rendimiento = 0,639*CI
H
0
:
0
= 0
H
1
:
0
0
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Ecuacin de regresin
Modelo 2
H
0
:
1
= 0
H
1
:
1
0
H
0
:
2
= 0
H
1
:
2
0
Y =
0
+
1
X
1
+
2
X
2
+ E
Rendimiento= Constante + CI + Autoconcepto + Error
Rendimiento = -2,198 + 0,056*CI + 0,118*A
Rendimiento = 0,560*CI + 0,247*A
H
0
:
0
= 0
H
1
:
0
0
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Correlaciones
R
Y(1)
Modelo 1
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Correlaciones
R
Y(1)
Modelo 2
R
Y1.2
R
Y(1|2)
R
Y(2)
R
Y2.1
R
Y(2|1)
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Colinealidad
Modelo 2
2
j
R 1-
2
j
R 1-
1
Tolerancia
No colinealidad = 1
Colinealidad = < 0,10
Factores de Inflacin de Varianza
Colinealidad > 10
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Independencia
( )
( ) 0 E E
0 E , E cov
ij
j i' ij
=
=
'
i i i
Y Y E - =
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN LINEAL MLTIPLE
Normalidad
N(0,1) E
ij

'
i i i
Y Y E - =
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
REGRESIN CURVILNEA
Relaciones entre variables cuantitativas
Lineal: Y = 2 + 3X
Exponencial: Y = 10
X
Cuadrtica: Y = X
2
Inversa: Y = 1/X

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
Niveles medios de ansiedad producen mejor
rendimiento.
INTRODUCCIN
Relacin entre ansiedad y rendimiento
Valores bajos y altos
de ansiedad producen
mal rendimiento
Ansiedad
Rendimiento
Valores medios de
ansiedad producen
rendimiento ptimo.
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
Lineal:
Logartmico:
Inverso:
Cuadrtico:
Cbico:
Potencia:
MODELOS
Modelos de regresin
i i 1 0 i
E X Y
i i 1 0 i
E X ln Y
i i 1 0 i
E 1/X Y
i
2
i 2 i 1 0 i
E X X Y
i
3
i 3
2
i 2 i 1 0 i
E X X X Y
i

i 0 i
E X Y
1
VD: Variable
criterio
Coeficientes de
regresin
VI: Variable
predictora
Error de
medida
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
Compuesto:
S:
Crecimiento:
Exponencial:
Logstico:
MODELOS
Modelos de regresin
i
X
1 0 i
E Y
i
( )
i
1/X
i
E e Y
i 1 0
+
i
X
i
E e Y
i 1 0
+
i
X
0 i
E e Y
i 1
i
X
1 0 i
E 1/c 1/ Y
i
VD: Variable
criterio
Coeficientes de
regresin
Donde c: lmite superior de la funcin.
Debe mayor que el valor mximo de la VI
VI: Variable
predictora
Error de
medida
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
De entre todas las ecuaciones posibles se
escoge la que mejor predice las
puntuaciones de Y. Criterio de mnimos
cuadrados.
Cuantos ms parmetros tenga un modelo
mejor predice el criterio (VD). No quiere
decir que ese modelo sea el mejor
tericamente.
Elegir el modelo: balance entre parsimonia
y significacin estadstica.
MODELOS
Ecuacin de regresin de Y sobre X
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
BONDAD DE AJUSTE
Mnimos cuadrados
Y
i

Y
i

Y
i
-Y
i

Y
i
: distancia de un punto
al eje X valor observado
Y
i
: distancia de la
recta al eje X valor
pronosticado
Y
i
-Y
i
: residuo
Error de prediccin
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
BONDAD DE AJUSTE
Mnimos cuadrados
Suma de los residuos al cuadrado.
Debido a que unos son positivos y
otros negativos


Elegir de todas las funciones posibles
la que minimiza los errores de
prediccin (residuos).

i
2
'
i i Y' Y
Y Y SC
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011



% de reduccin de los errores de prediccin.
% de varianza comn de X e Y explicada.


R
2
= 0, ajuste nulo. X e Y son independientes
R
2
= 1, ajuste perfecto. X e Y son dependientes.



BONDAD DE AJUSTE
Coeficiente de determinacin
2
Y
2
E
2
XY
S S 1- R =
2
Y
2
R
2
XY
S S R =
1 R 0
2
XY
s s
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
Fuentes de
varianza
SC g.l. MC F

Regresin
(R)

Error
(E)

Total
(T)
MCE
MCR
g.l.(R)
SCR
g.l.(E)
SCE
gl.(R)
g.l.(E)
1 N
SCT
COEFICIENTE DE REGRESIN
Formato ANOVA
( )

2
'
i
Y Y

2
'
i i
Y Y
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Relacin entre ansiedad y rendimiento
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Relacin entre ansiedad y rendimiento
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Relacin entre ansiedad y rendimiento

Marcar los modelos que tienen
sentido terico
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Relacin entre ansiedad y rendimiento

Max (Ansiedad) = 95
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Relacin entre ansiedad y rendimiento

Permite guardar Y, Y-Y e I.C.
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin lineal

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin lineal

R
2
= 0,213 * 0,213 = 0,045
Proporcin de varianza
compartida
R = 0,213
Correlacin
Se suele informar de R
2
corregida
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin lineal

R
2
corregida : estimador menos sesgado de
R
2
: estimador ms sesgado de
1 p n
) R p(1
R R
2
2 2
Corregida

=
p: n de VVII
n: n de sujetos
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin lineal

1 - n
) Y - (Y
= S S
2
i
'
i i
E Y' - Y

=
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin lineal

SCR
SCE
SCT = SCR + SCE
SCR/g.l.
SCE/g.l.
MCR/MCE
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin lineal

H
0
: 0
H
1
: > 0
Informa de la relacin
entre las variables
Contrastamos si el modelo es significativo
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin lineal

1,096 F F F
1,23 0,999 1,23 0,001 - 1 1,23 - 1
= = =
F
1-
F
1,23
=
0,95
F
1,23
= 4,26

Zona crtica:
Como F = 1,096 < 4,26 mantenemos la H
0.

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin lineal

H
0
:
1
= 0
H
1
:
1
0
Y =
0
+
1
X + E
Rendimiento = Constante + Ansiedad + error
Rendimiento = 4,972 + 0,006*Ansiedad
H
0
:
0
= 0
H
1
:
0
0
Y =
0
+
1
X + E
Rendimiento = Constante + Ansiedad + error
Rendimiento = 0,213*Ansiedad
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin lineal

Puntuaciones directas
Rendimiento = 4,972+0,006*Ansiedad
Rendimiento = 4,972+0,006*2 = 4,984
Qu puntuacin pronosticaramos en Rendimiento para una
personas con una puntuacin en directas de 2 en ansiedad?
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin lineal

Puntuaciones tpicas
Rendimiento = 0,213*Ansiedad
Rendimiento = 0,213*2 = 0,426
Qu puntuacin pronosticaramos en Rendimiento para una
personas con una puntuacin en tpicas de 2 en ansiedad?
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin logartmica

R
2
Logartmica = 0,189
R
2
Lineal = 0,045
H
0
: 0
H
1
: > 0
Informa de la relacin
entre las variables
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin logartmica

( )
d) ln(Ansieda 0,320 4,138 o Rendimient
E X ln Y
i i 1 0 i
- + =
+ + =
( )
d) ln(Ansieda 0,434 o Rendimient
E X ln Y
i i 1 0 i
- =
+ + =
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin inversa

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin inversa

( )
siedad) 1,802(1/An 5,414 o Rendimient
E 1/X Y
i i 1 0 i
=
+ + =
( )
siedad) 0,424(1/An o Rendimient
E 1/X Y
i i 1 0 i
=
+ + =
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin cuadrtica

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin cuadrtica

( )
2
i
2
i 2 i 1 0 i
Ansiedad 0,001 - dad 0,088Ansie 3,798 o Rendimient
E X X Y
+ =
+ + + =
( )
2
i
2
i 2 i 1 0 i
Ansiedad 3,090 - dad 3,216Ansie o Rendimient
E X X Y
=
+ + + =
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin cbica

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin cbica

( ) ( )
3 2
i
3
i 3
2
i 2 i 1 0 i
An 0,001 - An 0,000 0,068An 3,934 o Rendimient
E X X X Y
+ + =
+ + + + =
( ) ( )
3 2
i
3
i 3
2
i 2 i 1 0 i
An 1,269 An 1,125 - 2,486An o Rendimient
E X X X Y
=
+ + + + =
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin potencia

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin potencia

( )
0,066
i

i 0 i
Ansiedad 4,118 o Rendimient
E X Y
1
=
+ =
( ) 0 Ansiedad 0 o Rendimient
E X Y
0,456
i

i 0 i
1
= - =
+ =
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin compuesta

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin compuesta

( )
Ansiedad
i
X
1 0 i
1,001 4,879 o Rendimient
E Y
i
- =
+ =
( ) 0 1,261 0 o Rendimient
E Y
Ansiedad
i
X
1 0 i
i
= - =
+ =
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin S

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin S

( )
siedad) 0,376(1/An - 1,679
i
1/X
i
e o Rendimient
E e Y
i 1 0
=
+ =
+
( )
siedad) 0,450(1/An -
i
1/X
i
e o Rendimient
E e Y
i 1 0
=
+ =
+
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin crecimiento

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin crecimiento

dad 0,001Ansie 1,585
i
X
i
e o Rendimient
E e Y
i 1 0
+
+
=
+ =
dad 0,232Ansie
i
X
i
e o Rendimient
E e Y
i 1 0
=
+ =
+
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin exponencial

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin exponencial

dad 0,001Ansie
i
X
0 i
e 4,879 o Rendimient
E e Y
i 1
- =
+ =
0 e 0 o Rendimient
E e Y
dad 0,232Ansie
i
X
0 i
i 1
= - =
+ =
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin logstica

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Regresin logstica

Ansiedad
i
X
1 0 i
0,999 0,195 1/100 1/ o Rendimient
E 1/c 1/ Y
i
- + =
+ + =
( ) 1/(1/100) 0,794 0 1/100 1/ o Rendimient
E 1/c 1/ Y
i
X
1 0 i
i
= - + =
+ + =
4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Representacin grfica

4
2
5
1
3
0011 0010 1010 1101 0001 0100 1011
CLCULO CON SPSS
Representacin grfica

Las que mejor ajustan