Académique Documents
Professionnel Documents
Culture Documents
UNIVERSIDAD DE TALCA
INSTITUTO DE MATEMTICAS Y FSICA
LABORATORIO SPSS.
CLASE 7.1.
Viernes 21 de Noviembre de 2014.
En Educandus, en carpeta Bases de Datos, abrir archivo SPSS Datos para Regresin.
Se desea estimar el modelo de regresin lineal simple en que la nota de la prueba seis
depende de la prueba cinco, es decir:
Y: Nota de la Prueba Seis.
X: Nota de la Prueba Cinco.
Para observar la asociacin lineal entre ambas variables, debemos construir un Diagrama
de Dispersin:
En SPSS, Grficos > Dispersin/Puntos
7,0
6,0
5,0
4,0
3,0
2,0
1,0
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
7,0
6,0
5,0
4,0
3,0
2,0
1,0
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
Para describir en conjunto con la correlacin, en SPSS, en Analizar > Correlaciones >
Bivariadas
Correlacin de Pearson
Sig. (bilateral)
N
NOTA PRUEBA CINCO Correlacin de Pearson
Sig. (bilateral)
N
NOTA
PRUEBA
SEIS
1
NOTA
PRUEBA
CINCO
,550**
,000
84
84
,550**
1
,000
84
84
H : = 0
H : 0
Segn la salida de SPSS, valor_p=0,000.
Luego, usando un nivel de significacin del 5%, se rechaza H0, es decir, existe una
asociacin lineal significativa entre las variables NOTA PRUEBA SEIS y NOTA PRUEBA
CINCO.
Media
3,406
2,680
Desviacin
tp.
2,5011
1,4758
N
84
84
Correlacin de Pearson
Sig. (unilateral)
N
NOTA
PRUEBA
SEIS
1,000
,550
.
,000
84
84
NOTA
PRUEBA
CINCO
,550
1,000
,000
.
84
84
R
,550a
R cuadrado
,303
R cuadrado
corregida
,295
Error tp. de la
estimacin
2,1007
=0,295.
Si desea probar la hiptesis de que el modelo ajustado es significativo, debemos plantear:
H : = 0
H : 0
Para probar la hiptesis anterior, slo en regresin lineal simple, su resultado lo podemos
mirar en la prueba F en ANOVA en la prueba t de Student, en donde el valor_p=0,000.
Las salidas estn dadas a continuacin:
ANOVAb
Modelo
1
Regresin
Residual
Total
Suma de
cuadrados
157,338
361,869
519,207
gl
1
82
83
Media
cuadrtica
157,338
4,413
F
35,653
Sig.
,000a
Coeficientesa
Coeficientes no
estandarizados
Modelo
1
(Constante)
NOTA PRUEBA CINCO
B
,906
,933
Error tp.
,477
,156
t
1,898
5,971
Sig.
,061
,000
En la salida anterior, tambin es posible observar intervalos de confianza al 95% para los
coeficientes del modelo de regresin:
Para la pendiente:
0,622 1,244
Para el intercepto:
0,044 1,855
Si desea probar la hiptesis de que en el modelo en el intercepto pasa por el origen de los
ejes XY, debemos plantear:
H : = 0
H : 0
Segn la prueba t de Student, valor_p=0,061.
Usando un nivel de significacin del 5%, no se rechaza H0, es decir, el intercepto del
modelo de regresin ajustado pasa por el origen de los ejes XY.
En la ltima salida, es posible observar el resultado del modelo de regresin ajustado:
= 0,906 + 0,933 X
Y
En Vista de datos, podrn observar que fueron incorporadas dos nuevas variables:
PRE_1 (corresponde al ) y RES_1 (corresponde al residuo e).
En hoja de Vista de variables, pueden asignar etiquetas nuevas a cada una de las
variables que gener SPSS: En Etiqueta para la variable PRE_1 escriba NOTA ESTIMADA
PRUEBA SEIS y para la variable RES_1 escriba RESIDUO.
En Explorar, Aceptar.
SPSS muestra la siguiente salida:
Pruebas de normalidad
a
RESIDUO
Kolmogorov-Smirnov
Estadstico
gl
Sig.
,156
84
,000
Estadstico
,962
Shapiro-Wilk
gl
84
Sig.
,015
Homocedasticidad.
En SPSS, Grficos > Dispersin/Puntos
5,00000
RESIDUO
2,50000
0,00000
-2,50000
1,0
2,0
3,0
4,0
5,0
6,0
7,0
5,0
RESIDUO
2,5
0,0
-2,5
1,0
2,0
3,0
4,0
5,0
6,0
7,0