UTALCA

UNIVERSIDAD DE TALCA
INSTITUTO DE MATEMTICAS Y FSICA

LABORATORIO SPSS.
CLASE 7.1.
Viernes 21 de Noviembre de 2014.

Prof.: Juan Barrera A.

Este taller debe ser hecho segn los grupos inscritos.

Objetivo:
Realizar estimacin de Modelos de Regresin Lineal.
Contenido:
Activar SPSS 14.0 (versin existente en la Universidad de Talca).

En Educandus, en carpeta Bases de Datos, abrir archivo SPSS Datos para Regresin.

En alumnos de primer ao que ingresaron a estudiar Psicologa en la Universidad de Talca,

que asisten al curso de Tcnicas de Anlisis Estadstico en Psicologa, se desea analizar la
relacin entre la nota de la prueba seis y de la nota de la prueba cinco.

Vista de algunos datos:

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

En Dispersin/Puntos, seleccionar Dispersin simple, Definir.

En Diagrama de dispersin simple, en Eje Y: ingrese nuestra variable dependiente

NOTA PRUEBA SEIS, en Eje X: ingrese nuestra variable independiente NOTA PRUEBA
CINCO. Aceptar.

SPSS muestra la siguiente salida:

7,0

6,0

NOTA PRUEBA SEIS

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

NOTA PRUEBA CINCO

La salida anterior la podemos editar:

7,0

6,0

NOTA PRUEBA SEIS

5,0

4,0

3,0

2,0

1,0

0,0

1,0

2,0

3,0

4,0

5,0

NOTA PRUEBA CINCO

6,0

7,0

Para describir en conjunto con la correlacin, en SPSS, en Analizar > Correlaciones >
Bivariadas

En Correlaciones bivariadas, en Variables: seleccione nuestras dos variables de

inters: NOTA PRUEBA SEIS Y NOTA PRUEBA CINCO. Aceptar.

SPSS muestra la siguiente salida:

Correlaciones

NOTA PRUEBA SEIS

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

**. La correlacin es significativa al nivel 0,01 (bilateral).

Tenga presente que debe analizar en conjunto el coeficiente de correlacin con el

respectivo diagrama de dsipersin.
Si desea probar si la correlacin es significativa, debe resolver la siguiente hiptesis:

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.

Ahora, realizaremos el ajuste de los datos al modelo de regresin lineal simple.

En SPSS, en Analizar > Regresin > Lineal

En Regresin lineal, en Dependiente: ingrese nuestra variable de respuesta NOTA

PRUEBA SEIS, en Independientes: ingrese nuestra variable independiente NOTA PRUEBA
CINCO.

En la ventana de Regresin Lineal, seleccione Estadsticos

En Regresin lineal: Estadsticos, seleccione Intervalos de confianza y tambin
puede seleccionar Descriptivos. Continuar.

En la ventana de Regresin Lineal, seleccione Guardar

En la ventana Regresin lineal: Guardar nuevas variables, en Valores pronosticados
seleccione No tipificados, en Residuos seleccione No tipificados. Continuar.

En la ventana de Regresin Lineal, Aceptar.

SPSS mostrar las siguientes salidas:
Estadsticos descriptivos

NOTA PRUEBA SEIS

NOTA PRUEBA CINCO

Media
3,406
2,680

Desviacin
tp.
2,5011
1,4758

N
84
84

En la salida, tambin se proporciona la correlacin:

Correlaciones

Correlacin de Pearson
Sig. (unilateral)
N

NOTA PRUEBA SEIS

NOTA PRUEBA CINCO
NOTA PRUEBA SEIS
NOTA PRUEBA CINCO
NOTA PRUEBA SEIS
NOTA PRUEBA CINCO

NOTA
PRUEBA
SEIS
1,000
,550
.
,000
84
84

NOTA
PRUEBA
CINCO
,550
1,000
,000
.
84
84

La siguiente salida muestra un resumen del modelo ajustado:

Resumen del modelob
Modelo
1

R
,550a

R cuadrado
,303

R cuadrado
corregida
,295

Error tp. de la
estimacin
2,1007

a. Variables predictoras: (Constante), NOTA PRUEBA CINCO

b. Variable dependiente: NOTA PRUEBA SEIS

En la salida anterior, R=0,550 representa la correlacin muestra que ya habamos

observado anteriormente. El R cuadrado representa al coeficiente de determinacin
R2=0,303. El R cuadrado ajustado corresponde al coeficiente de determinacin ajustado

 =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

a. Variables predictoras: (Constante), NOTA PRUEBA CINCO

b. Variable dependiente: NOTA PRUEBA SEIS

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

Intervalo de confianza para

B al 95%
Lmite
superior
Lmite inferior
-,044
1,855
,622
1,244

a. Variable dependiente: NOTA PRUEBA SEIS

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.

Ahora, debemos realizar el Anlisis de Supuestos.

Normalidad.
En SPSS, Estadsticos descriptivos > Explorar

En Explorar, en Dependientes: seleccione la nueva variable RESIDUO.

En Explorar, seleccione Grficos

En Explorar: Grficos, seleccione Grficos con pruebas de normalidad. Continuar.

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

a. Correccin de la significacin de Lilliefors

Con la salida anterior, es posible resolver el siguiente test de normalidad:

H : El residuo distribuye Normal

H : El residuo no distribuye Normal
Segn Shapiro-Wilk, valor_p=0,015.
Qu concluye usando un nivel de significacin del 5%?

Sig.
,015

Homocedasticidad.
En SPSS, Grficos > Dispersin/Puntos

En Dispersin/Puntos, seleccione Dispersin simple, Definir.

En Diagrama de dispersin simple, en Eje Y: ingrese nuestra nueva variable RESIDUO,

en Eje X: ingrese nuestra variable independiente NOTA PRUEBA CINCO. Aceptar.

SPSS muestra la siguiente salida:

5,00000

RESIDUO

2,50000

0,00000

-2,50000

1,0

2,0

3,0

4,0

5,0

NOTA PRUEBA CINCO

Editando el grfico anterior:

6,0

7,0

En Editor de grficos, seleccione el icono de Aadir una lnea de referencia al eje Y.

En ventana Propiedades, en Y Posicin del eje: escriba 0, Aplicar. Cerrar.

El grfico editado tendr el siguiente aspecto, incluyendo al eje de referencia en RESIDUO

igual a cero.

5,0

RESIDUO

2,5

0,0

-2,5

1,0

2,0

3,0

4,0

5,0

NOTA PRUEBA CINCO

Segn el grfico anterior, Hay Homocedasticidad?

6,0

7,0