Estos dos pasos deben ir acompaados de un chequeo del

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: la relación entre una variable dependiente (VD) y una o más variables independientes (VI) con el doble propósito de: 1) Averiguar en qué medida la VD puede estar explicada por la(s) VI. 2) Obtener predicciones en la VD a partir de la(s) VI. El procedimiento implica, básicamente, obtener la ecuación mínimo-cuadrática que mejor expresa la relación entre la VD y la(s) VI y estimar mediante el coeficiente de determinación la calidad de la ecuación de regresión obtenida. Estos dos pasos deben ir acompañados de un chequeo del cumplimiento de las condiciones o supuestos que garantizan la validez del procedimiento (en un próximo apartado se explica todo lo relacionado con la comprobación de los supuestos del modelo de regresión). Capítulo 18. Análisis de regresión lineal 9 Análisis de regresión lineal simple Vamos a iniciar nuestro estudio más formal de la regresión con el modelo de regresión lineal simple (simple = una variable independiente), pero conviene no perder de vista que, puesto que generalmente estaremos interesados en estudiar simultáneamente más de una variable predictora, este análisis es sólo un punto de partida en nuestra explicación del análisis de regresión. Vamos a seguir utilizando en todo momento el archivo Datos de empleados que, como ya sabemos, se instala con el programa en el propio directorio del SPSS. Y comenzaremos utilizando salario (salario actual) como variable dependiente y salini (salario inicial) como variable independiente o predictora. Capítulo 18. Análisis de regresión lineal 10 Regresión simple Para llevar a cabo un análisis de regresión simple con las especificaciones que el programa tiene establecidas por defecto: | Seleccionar la opción Regresión > Lineal del menú Analizar para acceder al cuadro de diálogo Regresión lineal que muestra la figura 18.4. Figura 18.4. Cuadro de diálogo Regresión lineal. | Seleccionar la variable salario en la lista de variables del archivo de datos y trasladarla al cuadro Dependiente. | Seleccionar la variable salini y trasladarla a la lista Independientes. Con sólo estas especificaciones, al pulsar el botón Aceptar el Visor ofrece los resultados que muestran las tablas 18.1 a la 18.3. Capítulo 18. Análisis de regresión lineal 11 Bondad de ajuste La primera información que obtenemos (tabla 18.1) se refiere al coeficiente de correlación múltiple (R) y a su cuadrado. Puesto que sólo tenemos dos variables, el coeficiente de correlación múltiple no es otra cosa que el valor absoluto del coeficiente de correlación de Pearson entre esas dos variables (ver capítulo anterior). Su cuadrado (R cuadrado) es el coeficiente de determinación: (los residuos son las diferencias existentes entre las puntuaciones observadas y los pronósticos obtenidos con la recta). Tal como hemos señalado ya, R 2 expresa la proporción de varianza de la variable dependiente que está explicada por la variable independiente. En nuestro ejemplo (tabla 18.1), R toma un valor muy alto (su máxi...
View Full Document

This document was uploaded on 03/30/2014 for the course COM 01 at University of Sevilla.

Ask a homework question - tutors are online