Magister en Currculo y Evaluacin

Investigacin Cuantitativa

Profesor: Hugo Torres

Alumno: Luciano Polanco
Fecha: 13/12/2016.

En relacin con el sexto trabajo efectuado en SPSS, c/u de ustedes debe

elaborar un informe individual en que consideren una variable independiente y
otra
dependiente.
El objetivo de este taller es que ustedes analicen una relacin significativa
entre ambas variables -mediante la prueba de Regresin- especificando los
siguientes
aspectos:
1) identificar las variables respuesta e independiente (justificando el porqu de
su
eleccin).
2)
plantear
las
hiptesis
nula
y
de
investigacin.
3) a partir de la salida del SPSS: obtener los valores de la pendiente (b),
intercepto (a), plantear ecuacin de la recta, y predecir dos valores de la
variable respuesta (y) tomando un dato de la variable independiente (x) que se
encuentre sobre su valor promedio y otro dato por debajo de su valor
promedio.
4) interpretar los resultados obtenidos luego del anlisis de ANOVA y el valor
del
coeficiente
de
determinacin.
5) graficar la informacin.

Respuesta:

Las variables escogidas son:

Variable independiente: Promedio notas de media
Variable dependiente: Promedio de notas de universidad
La razn de esta eleccin es que se quiere analizar una posible relacin lineal
positiva entre las notas del colegio y las notas de la universidad. Se busca
responder la pregunta Las notas del colegio son un buen predictor del
desempeo en la universidad?

La hiptesis es la siguiente

Hiptesis H 0 : 1=0
H 1 : 1 0

Es decir, si el coeficiente

1 (pendiente de la recta) es cero, entonces no

existe relacin entre las dos variables. En cambio si el coeficiente es distinto de

cero, si existe relacin.
La salida del SPSS es la siguiente:
Coeficientes(a)

Coeficientes no
estandarizados
Modelo
1

B
1,886
,682
a Variable dependiente: VAR00002
(Constante)
VAR00001

Coeficientes
estandarizado
s

Error tp.
,290
,053

Beta
,784

t
6,494
12,807

Sig.
,000
,000

Por lo que tenemos los siguientes valores:

0=1,886
1=0,682
Segn los datos rechazamos la hiptesis nula ya que el valor es distinto de
cero. Es ms, podemos ver que el valor es positivo. Por lo que existe una
relacin directa (si una variable aumenta, la otra debe aumentar).
La recta que predice la regresin es:

y=1,886+ 0,682 x
Donde y es la variable dependiente (notas de la universidad) y x la variable
independiente (notas del colegio)
Con esta ecuacin podemos predecir como le ir a un alumno que sale con
promdio 6,7 del colegio:

y=1,886+ 0,682 5,3

y=6,4554
Ese alumno de promedio 6,7 probablemente tendr un promedio 6,5 en la
universidad, aproximadamente.
Tambin podemos predecir el rendimiento de un alumno de nota 4,1, quien
tendr un promedio aproximado de 4,7 en la universidad:

y=1,886+ 0,682 4,1

y=4,6822

En la siguiente salida se puede observar el coeficiente de determinacin, junto

con otros valores descriptivos:
Resumen del modelo

Modelo
1

R
,784(a)

R cuadrado
,614

R cuadrado
corregida
,611

a Variables predictoras: (Constante), VAR00001

Error tp. de la
estimacin
,49209

Aqu se puede observar que el coeficiente de determinacin es de 0,614. Esto

quiere decir que el 61,4% de la variacin del promedio de notas de la
universidad esta explicado por la variacin del promedio de notas del colegio.
Lo que es un alto porcentaje.
En la misma tabla se muestra el coeficiente de correlacin de Pearson (0,784).
Segn este dato descriptivo, existe un alto grado de correlacin entre las dos
variables.
Para reafirmar la conclusin de que las dos variables estn relacionadas
podemos recurrir al anlisis ANOVA:
ANOVA(b)

Modelo
1

Regresin
Residual

Suma de
cuadrados
39,718
24,941

Media
cuadrtica
39,718

103

,242

gl

F
164,025

Sig.
,000(a)

Total

64,660
104
a Variables predictoras: (Constante), VAR00001
b Variable dependiente: VAR00002

,6
7
0
,5
0
,4
0
,3
0
,03
,04
,0V
5
,0
016
,07
,0
A
R

En la tabla se puede apreciar que el nivel de significancia es 0, por lo que la

hiptesis nula esta correctamente rechazada. En otras palabras, si existe una
relacin lineal entre las variables.

V
A
R
02

Finalmente se deja el grfico de dispersin, en el cual se puede observar una

clara tendencia lineal positiva.