Académique Documents
Professionnel Documents
Culture Documents
Compensa
cin
Edad
actual
Variacin de la
compensacin que
Variacin en la no tiene nada que
edad que no tiene La varianza explicada ver con la edad de
nada que ver con por la relacin entre una persona.
la compensacin la edad y la
compensacin (27%)-
No hay nada nuevo en la figura 4-1. Hay una simple declaracin de lo que ya le en
el captulo sobre correlacin. Si no est claro sobre lo que significa la Figura 4-1,
por favor regresa al captulo y revisa el Coeficiente de Determinacin. El punto
principal es que la correlacin entre edad y compensacin nos dice que la
compensacin parece cambiar a medida de que una persona envejece. Esto hace
el sistema intuitivo, porque uno esperara que como una persona envejece, l o ella
sube en su trabajo y se paga ms.
Figura 4-2
Ejemplo de la relacin entre Edad (para mayores de 18 aos), Tiempo con la
empresa y Compensacin.
El 10% del porque
una persona gana
lo que hace est
relacionado con su
tiempo con la
empresa.
Comp.
Edad
Tiempo con
la empresa
El 27% del porque
una persona gana lo
que hace est
relacionado con la
edad de la persona.
Punto importante!
Notar que el tiempo de una persona con la empresa cuenta alrededor del
10% de por qu ganan lo que hacen. Al agregar esta variable a nuestro
estudio, hemos mejorado nuestra comprensin de por qu las personas
ganan los ingresos que hacen desde del 27% al 37%. En otras palabras,
usando dos variables en lugar de una variable, mejor nuestra capacidad
para hacer predicciones precisas sobre el salario de una persona.
La figura 4-2 es una buena ilustracin sobre que correlacin mltiple y regresin
est diseada para hacer. Por tener ms que una variable predictora (edad y
tiempo con la empresa), somos capaces de explicar ms de la variacin en la
compensacin. Como un resultado, nosotros hacemos muchas mas predicciones
precisas. Esto es porque la segunda variable agrega informacin adicional
importante sobre su variable dependiente (compensacin).
Figura 4-3
Ejemplo de la relacin entre Edad (para mayores de 18 aos), Ttulo
Universitario y Compensacin.
El 11% de la variacin
compartida por el grado El 45% del por qu una
universitario y la edad no persona gana lo que
hace est relacionada
est relacionada con el
con el grado
ingreso. Grado
universitario pero no
Universitario
est relacionado con la
edad.
Edad
Punto importante!
Esperemos que, despus de mirar las figuras 4-1, 4-2 y 4-3, entienda los siguientes
hechos:
Cuando tienes ms que una variable independiente, puedes muy bien ser
capaz de hacer predicciones ms precisas sobre su variable dependiente.
12 32 $350,000
14 35 $399,765
15 45 $429,000
16 50 $435,000
18 65 $433,000
Usando esta informacin estamos listos para usar los coeficientes de correlacin
para calcular R
La frmula para R
Ahora todo lo que necesitamos hacer es conectar los nmeros y hacer los clculos.
Creo que hemos terminado, estars de acuerdo en que esta fue la parte fcil.
PASO 1 Sustituya con los nmeros
Entonces
1.3704 1.3152
=
0.063
Entonces
0.0552
=
0.063
Finalmente
= . 8762
Por lo tanto
=.
Entonces, qu significa R=.9360? Esto es realmente bastante simple. Te dice,
La correlacin combinada entre los Aos de Educacin y la Motivacin con ventas
anuales de un vendedor es .9360. "
Recuerda, todas las correlaciones-Incluso las correlaciones mltiples deben estar
entre + o - 1.00. Una correlacin mltiple, al igual que cualquier otra correlacin, de
1,00 significan que las dos variables independientes, cuando se toman en conjunto
tienen una relacin perfecta con ventas anuales de vendedor. Si R=0.00
significara que no haba relacin alguna entre educacin, motivacin y ventas
anuales. Ya que nuestra Correlacin Mltiple es de .9360, las dos variables parecen
tener una fuerte relacin con las ventas anuales. En otras palabras, podra hacer
predicciones muy precisas sobre cunto dinero en traer un vendedor si no
sabemos nada ms sobre la persona ms que su educacin y su puntuacin en una
escala de evaluacin de la motivacin. Si todo esto fueran datos verdaderos (en
lugar de los datos inventados que he creado para ayudarte a entender el proceso)
tendramos una forma muy poderosa para seleccionar un nuevo vendedor y nos
volveramos muy ricos muy rpido!
No s si usted ha capturado completamente la visin en esto, djeme decirle otra
vez... ESTO ES MUY GENIAL, MUY PODEROSO, Y MUY IMPORTANTE. Usted
podra utilizar esta tcnica para hacer todo tipo de cosas como:
Predecir/Explicar la compensacin actual de una persona basada en un
nmero de caractersticas del empleado.
Predecir/Explicar la supervivencia del paciente despus de la ciruga basada
en un numero de caractersticas personales.
Predecir la probabilidad de una reciente reincidencia condenada por
delincuencia criminal basada en una serie de caractersticas personales.
Predecir la probabilidad de un estudiante graduado de desempearse bien
en la escuela de posgrado sobre la base de una serie de caractersticas
personales.
Podra seguir y seguir y seguir
Haciendo Predicciones: Regresin Mltiple
Bien, ahora tenemos una medida que nos permite establecer si nuestras variables
independientes son predictoras efectivas de nuestra variable dependiente. Ahora
podemos dar el siguiente paso y utilizar nuestro conocimiento para hacer
predicciones. Esto ser muy similar a lo que se hizo en el captulo 13, pero con un
paso extra.
Recuerda que con la regresin lineal estndar la formula algebraica para hacer
predicciones es:
= +
En la formula anterior:
Y= Un valor predicho de Y (que es su variable dependiente).
a= El valor de Y cuando X es igual a cero. Esto tambin es llamado Y interceptora.
b= El cambio en Y por cada 1 incremento de cambio en X.
1 = Una puntuacin de X en su primera variable independiente para lo que est
tratando de predecir el valor de Y.
2 = Una puntuacin de X en su segunda variable independiente para lo que est
tratando de predecir el valor de Y.
La frmula para Regresin Mltiple
= + 1 1 + 2. 2
Y= Un valor predicho de Y (que es su variable dependiente)
a= LA Y interceptora
1 = El cambio en Y por cada 1 incremento en 1 (En nuestro caso, este es el ao
ms alto de educacin).
2 = El cambio en Y por cada 1 incremento en 2 (En nuestro caso, este es el nivel
de motivacin Medido por la Escala de Motivacin de Higgins).
X= Una puntuacin de X (X es su variable independiente) para el que est
intentando predecir un valor de Y.
Como calcular y
Puntaje de motivacin
Como calcular a
= 1
1 2
2
Tenga en cuenta que no he puesto los nmeros para 1 y 2 . Estos son los lugares
donde se sustituyen los valores que va a utilizar para hacer una prediccin. En este
caso, 1 se refiere al nmero de los aos de escuela (13) y 2 es el puntaje de
motivacin (49). As que. Si sustituyes los nmeros, podremos hacer nuestra
prediccin. Vea abajo: