Vous êtes sur la page 1sur 13

Descripcin entre variables cuantitativas.

Inferencia en Regresin lineal simple.

http://dta.utalca.cl/estadistica

Descripcin de relaciones entre variables cuantitativas.


Para mostrar de forma grfica la relacin entre dos variables cuantitativas usaremos el grfico de dispersin
Grfico de dispersin eststura en centmetros versus el peso en kilogramos
100 90

Al igual que con los histogramas, nos interesa describir la forma del grfico.
En el grfico de dispersin nos interesar sobre todo la direccin, forma y grado de asociacin de la variables.

80

70

60

50 40 150 160 170 180 190

estatura en centimetros

http://dta.utalca.cl/estadistica

Descripcin de relaciones entre variables cuantitativas.


Por direccin entenderemos lo siguiente: 1. Dos variables estn asociadas positivamente cuando a mayor valor de una variable, la otra tambin aumenta 2. Dos variables estn asociadas de forma negativa cuando a mayor valor de una variable, la otra disminuye Por grado de asociacin se entender como cun cerca estn los datos de una forma dada.
http://dta.utalca.cl/estadistica

http://dta.utalca.cl/estadistica

Coeficientes de Correlaciones.
o o o o o o o o o Se utilizan para contrastar hiptesis correlacionales, los ms utilizados son: Pearson: Spearman Kensall Punto Biseral Biseral Fi Tetracrico Contingencia ETA stos coeficientes nos entregan el grado de relacin entre 2 variables, es decir, nos entregan una expresin matemtica de la relacin entre 2 variables. Cuando se correlacionan 2 variables se denomina correlacin bivariada y cuando se correlacionan ms de 2 variables se denomina correlacin multivariadas.

http://dta.utalca.cl/estadistica

Coeficientes de Correlaciones.
1. Una correlacin significativa no es una relacin causa efecto, no tiene poder explicativo. Cada coeficiente de correlacin tiene 2 caractersticas: Fuerza o monto: indica la intensidad de la correlacin, numricamente cada correlacin puede asumir valores de 1, 0, 1. La cercana a 1 (+ o -) indicar mayor intensidad de la correlacin, dicha intensidad decaer entonces hacia el 0. Direccin: se relaciona con el signo (+ o -) de la correlacin y a su vez se subdivide en 2 subdirecciones a saber: Positivas: esta es tambin conocida como correlacin directa, en este caso los valores altos de un variable se correlaciona con los valores altos de la otra variable, vale decir, si una variable aumenta la otra tambin lo har. Negativas: tambin se le conoce como correlacin inversa, en este caso los valores altos de una variable se relacionan con valores bajos de la otra variable, vale decir, cuando una variable aumenta la otra disminuye.

2. a.

b.

http://dta.utalca.cl/estadistica

Coeficientes de Correlaciones.
Correlaciones FUNCION FUNCION BIENESTAR AMIENTO AMIENTO BIENESTAR PSICOLGI INDEPEN OCUPACI FSICO CO DIENTE ONAL 1,000 ,691** ,524** ,329** , ,000 ,000 ,002 84 84 84 84 ,691** 1,000 ,545** ,419** ,000 , ,000 ,000 84 84 84 84 ,524** ,545** 1,000 ,310** ,000 ,000 , ,004 84 ,329** ,002 84 84 ,419** ,000 84 84 ,310** ,004 84 84 1,000 , 84

BIENESTAR FSICO

BIENESTAR PSICOLGICO FUNCIONAMIENTO INDEPENDIENTE

Correlacin de Pearson Sig. (bilateral) N Correlacin de Pearson Sig. (bilateral) N Correlacin de Pearson Sig. (bilateral) N Correlacin de Pearson Sig. (bilateral) N

FUNCIONAMIENTO OCUPACIONAL

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

http://dta.utalca.cl/estadistica

Modelos de Regresin Lineal.

http://dta.utalca.cl/estadistica

Modelos de Regresin Lineal.


Estos modelos permiten predecir el comportamiento de una variable y a partir de una (s) variable (s) x. stas ltimas se denominan predictores y a las variables y se les denomina criterios. Las variables en los modelos de regresin siguen el siguiente esquema: o X = predictores variables independientes. o Y = Criterios variable dependiente. La regresin lineal puede ser bsicamente de dos tipos: 1. Regresin lineal simple: cuando solo hay un predictor y un criterio. X Y 2. Regresin lineal mltiple: cuando hay varias predictoras y un solo criterio.
http://dta.utalca.cl/estadistica

Modelos de Regresin Lineal.


Cuando la regresin lineal es aplicada en el Spss 10.0 tendremos como resultado 4 tablas, las cuales indican lo siguiente:

En esta tabla se pueden observar las variables que se consideran como b predictoras, junto con el modelo que t se utilizar que en este caso es a , I I introducir (el cual es el recomendado cuando se realiza la regresin lineal simple). En esta tabla se registra tambin la variable que se considera como dependiente o criterio.
http://dta.utalca.cl/estadistica

Modelos de Regresin Lineal.

oEn la segunda tabla se registra una correlacin total (R) que debe interpretarse como cualquier otra correlacin vista anteriormente, vale decir, de 1, 0 a +1 en el ejemplo de la tabla la correlacin total que arroja el modelo es de 0.72 la cual es muy alta. o A continuacin aparece un coeficiente de determinacin (R2) el cual se interpreta como el porcentaje de variabilidad de la variable criterio explicada por la variable predictora, en este ejemplo es de 0.52 por lo que la interpretacin dira lo siguiente la variable predictora explica un 52% de la variabilidad de la variable criterio
http://dta.utalca.cl/estadistica

Modelos de Regresin Lineal.

r r i

oLa tabla Anova de la regresin lineal nos indicar si el coeficiente de determinacin (R2) es significativo o no, para esto se debe observar el P sig. y seguir la regla general de este. oAhora, solo si p sig. es menor a 0.05 se puede seguir adelante con el ejercicio porque esto indicara que el coeficiente de determinacin es significativo, en el caso en que el p sig fuera mayor a 0.05 el coeficiente de determinacin no sera significativo por lo que el ejercicio no sigue adelante.
http://dta.utalca.cl/estadistica

Cuando el p sig es significativo entonces debe observarse la ltima tabla, denominada coeficientes.

a i

f i c e s a e n n a d r o S o B e i t r g t 1 ( 2 3 0 0 I 8 7 0 0 0

a V

Esta tabla contiene una correlacin parcial entre la variable predictora y la variable criterio (esta correlacin es una correlacin pura entre ambas variables y se interpreta como cualquier otra correlacin), esta correlacin parcial aparece bajo la denominacin de coeficiente Beta que en este caso es 0.72 y se puede utilizar para jerarquizar variables predictoras cuando mi modelo considera ms de una v. i. (Regresin mltiple). Por ltimo debo observar el p sig de esta tabla para determinar si el beta es significativo o no y para ello se utiliza la regla del p sig la cual indica que el Beta ser significativo si su p sig es menor a 0.05. As si la variable predictora tiene un Beta significativo puede considerarse como predictora de la variable criterio, pero si la variable no presenta un Beta significativo entonces no puede considerarse como predictora de la variable criterio

http://dta.utalca.cl/estadistica

Vous aimerez peut-être aussi