El subcuadro de dilogo regresin lineal guardar nuevas

Info iconThis preview shows page 1. Sign up to view the full content.

View Full Document Right Arrow Icon
This is the end of the preview. Sign up to access the rest of the document.

Unformatted text preview: ás de los criterios estadísticos, otro tipo de consideraciones. Si, por ejemplo, resulta muy costoso (tiempo, dinero, etc.) obtener las unidades de análisis, un modelo con sólo una variable podría resultar lo bastante apropiado. Si las consecuencias de los residuos de los pronósticos fueran muy graves, deberían incluirse en el modelo las tres variables del método pasos sucesivos o las cuatro con pesos significativos del método introducir. Así pues, para decidir con qué modelo de regresión nos quedamos, casi siempre es conveniente tomar en consideración criterios adicionales a los puramente estadísticos. Por supuesto, los contrastes estadísticos sirven de apoyo para tomar decisiones. Pero, dado que la potencia de un contraste se incrementa conforme lo hace el tamaño de la muestra, debemos ser cautelosos con las conclusiones a las que llegamos. Esto significa que, con muestras grandes, efectos muy pequeños desde el punto de vista de su importancia teórica o práctica pueden resultar estadísticamente significativos. Por el contrario, con muestras pequeñas, para que un efecto resulte significativo, debe tratarse de un efecto importante (con muestras pequeñas, existe mayor grado de coincidencia entre la significación estadística y la importancia práctica). Por esta razón, en la determinación de la ecuación de regresión final, debe tenerse en cuenta, cuando se trabaja con muestras grandes, la conveniencia de considerar elementos de decisión adicionales a la significación estadística. Puesto que la utilización de los métodos de selección por pasos está bastante generalizada, conviene también alertar sobre el peligro de alcanzar un resultado falsamente positivo (un error de tipo I). Es decir, si examinamos un número de variables lo bastante grande, tarde o temprano Capítulo 18. Análisis de regresión lineal 63 una o más pueden resultar significativas sólo por azar. Este riesgo es tanto mayor cuanto más variables se incluyen en el análisis. Para evitar este problema, si la muestra es lo bastante grande, puede dividirse en dos, aplicar el análisis a una mitad y verificar en la otra mitad si se confirma el resultado obtenido. Si la muestra es pequeña, esta solución es inviable y, por tanto, el riesgo de cometer un error de tipo I permanece. Capítulo 18. Análisis de regresión lineal 64 Cómo efectuar pronósticos Si el objetivo del análisis de regresión es el de evaluar la capacidad de un conjunto de variables independientes para dar cuenta del comportamiento de una variable dependiente, no es necesario añadir nada más a lo ya estudiado. Sin embargo, si el objetivo principal del análisis es el de poder efectuar pronósticos en casos nuevos, todavía nos falta saber algunas cosas. Recordemos que ya hemos utilizado los coeficientes de regresión parcial (B) para construir la ecuación de regresión (ver tabla 18.6). Reproducimos a continuación la ecuación de regresión obtenida: Pronóstico (salario) = n3.661,517 + 1,749 salini n 16,730 expprev + 735,956 educ Conociendo los pesos de la ecuación de regresión, podríamos utilizar la opción Calcular del menú Transformar para obtener los pronósticos que la ecuación asigna a cada caso. Pero esto no es necesario. El subcuadro de di...
View Full Document

Ask a homework question - tutors are online