Académique Documents
Professionnel Documents
Culture Documents
Solución
Técnica de reducción de la dimensión
El liceo Dr. Franciosco Antonio Risquez está interesado en evaluar si las calificaciones de los
estudiantes en ciertas materias tienen alguna relación con su desempeño en Educación Física, para ello
nos ha proporcionado una base de datos con información de las calificaciones de 15 estudiantes a los
cuales se les tomo en consideración las siguientes materias: Educación Física, Lengua, Matemática,
Física, Ingles, Filosofía, Historia y Química.
1 Construir un modelo de regresión múltiple que permita estimar el desempeño físico de los
estudiantes.
Coeficient
Coeficientes no es
Modelo estandarizados estandariz t Sig.
ados
B Error típ. Beta
1
(Constante) 1.309 1.344 0.974 0.363
Lengua -0.612 0.918 -0.418 -0.666 0.527
Matematica 0.02 0.176 0.018 0.114 0.913
Fisica 0.611 0.446 0.592 1.369 0.213
Ingles 0.437 0.756 0.373 0.578 0.581
Filosofia -0.219 0.38 -0.191 -0.577 0.582
Historia 0.134 0.501 0.114 0.267 0.797
Quimica 0.411 0.443 0.411 0.927 0.385
ANÁLISIS DE REGRESIÓN
R Cuadrado
Error típ.
R
R de la
Modelo R cuadrado
cuadrado estimació
corregida
n
1 .952(a) 0.906 0.812 0.95347
ANOVA
Suma de
Media
Modelo cuadrado gl F Sig.
cuadrática
s
Regresión 61.37 7 8.767 9.644 .004(a)
1 Residual 6.364 7 0.909
Total 67.733 14
ANÁLISIS DE REGRESIÓN
Prueba de índice de condición
Diagnóstico de colinealidad
Indice de
Dimensión Autovalor
condición
1 7.512 1
2 0.286 5.125
3 0.127 7.696
4 0.036 14.53
1
5 0.02 19.434
6 0.014 23.014
7 0.004 43.719
8 0.001 80.013
COMPONENTES PRINCIPALES
Matriz de correlación
Inicial Extracción
Lengua 1 0.9486668
Matematica 1 0.1846831
Fisica 1 0.9397774
Ingles 1 0.9292721
filosofia 1 0.8029322
historia 1 0.9129977
quimica 1 0.9641419
COMPONENTES PRINCIPALES
Varianza total explicada
Componente
1 2
Lengua 0.973 0.036
Matematica 0.348 -0.252
Fisica 0.015 0.969
Ingles 0.962 -0.062
Filosofia 0.883 0.151
Historia 0.955 -0.011
Quimica -0.026 0.982
ÁNALISIS DE REGRESIÓN POR
COMPONENTES PRICIPALES
Tabla de coeficientes
Coeficient
Coeficientes no es
Modelo estandarizados estandariz t Sig.
ados
B Error típ. Beta
(Constant
5.533 0.254 21.813 0
e)
1
Literarias -0.228 0.263 -0.103 -0.867 0.403
Ciencias 1.99 0.263 0.905 7.578 0
ÁNALISIS DE REGRESIÓN POR
COMPONENTES PRICIPALES
Tabla de coeficientes
Coeficient
Coeficientes no es
Modelo estandarizados estandariz t Sig.
ados
B Error típ. Beta
(Constant
5.533 0.251 22.024 0
1 e)
Ciencias 1.99 0.26 0.905 7.651 0
ÁNALISIS DE REGRESIÓN POR
COMPONENTES PRICIPALES
R Cuadrado
Error típ.
R R cuadrado de la
Modelo R
cuadrado corregida estimació
n
1 .905(a) 0.818 0.804 0.97304
ANOVA
Suma de
Media
Modelo cuadrado gl F Sig.
cuadrática
s
Regresión 55.425 1 55.425 58.539 .000(a)
1
Residual 12.309 13 0.947
Total 67.733 14
ÁNALISIS DE REGRESIÓN POR
COMPONENTES PRICIPALES
Modelo estimado
Homocedasticidad
Prueba de White
Nivel de significancia (α) = 0,05
Homocedasticidad
Prueba de White
Aleatoriedad
Prueba de las rachas
Unstandardized
Residual
Vs.
Casos >= Valor
8
de prueba
Casos en total 15
Independencia
Durbin Watson
Estadístico de prueba :
H0: los errores son independientes
Durbin-Watson = 2,10
Vs.
P-valor = 0,6179
H1: los errores no son independientes
ÁNALISIS DE REGRESIÓN POR
COMPONENTES PRICIPALES
Supuestos del modelo de regresión lineal
Normalidad
Prueba Kolmogórov-Smirnov
H0: los errores se comportan de forma normal con media cero y varianza constante
Vs.
H1: los errores no se comportan de forma normal con media cero y varianza constante
ÁNALISIS DE REGRESIÓN POR
COMPONENTES PRICIPALES
Supuestos del modelo de regresión lineal
Normalidad
Prueba Kolmogórov-Smirnov
Unstandardized
Residual
N 15
Parámetr Media 0
os Desviación típica 0.93764596
Diferencia Absoluta 0.094
s más Positiva 0.066
extremas Negativa -0.094
Z de Kolmogorov-Smirnov 0.364
Sig. asintót. (bilateral) 0.999
CONCLUSIÓN
A través del uso del análisis de regresión múltiple se pudo observar que el
desempeño físico se ve influenciado por el rendimiento académico, a lo largo del estudio
se implemento el análisis de componentes principales como medida remedial a los
problemas de multicolinealidad presentes en el modelo, esto permitió reducir la
dimensionalidad de los datos obteniendo como resultado dos componentes las cuales
logran explicar el 81,17% de la varianza total y se logró definir cuáles son los
parámetros críticos que mayor aporte tienen a la variabilidad del desempeño físico.
CONCLUSIÓN
Estos resultados demostraron que estudiantes con alto rendimiento en materias
comprendidas en el área de ciencias tales como matemática, química y física suelen
tener un mayor desempeño físico, dando respuesta a ello con el modelo finalmente
estimado:
El cual nos permite saber cuál será el rendimiento promedio físico según sus
notas obtenidas en las materias antes mencionadas con un error de predicción de
4,25%.