Modelo 1 r 895 r cuadrado 802 r cuadrado corregida

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: tra la figura 18.4. | Seleccionar la variable salario en la lista de variables del archivo de datos y trasladarla al cuadro Dependiente. | Seleccionar las variables salini, expprev y educ y trasladarlas a la lista Independientes. Con estas especificaciones mínimas, al pulsar el botón Aceptar el Visor ofrece la información que muestran las tablas 18.4 a la 18.6. Capítulo 18. Análisis de regresión lineal 19 Bondad de ajuste Tomadas juntas (ver tabla 18.4), las tres variables independientes incluidas en el análisis explican un 80 % de la varianza de la variable dependiente, pues R 2 corregida = 0,80. Además, el error típico de los residuos (8.115,36 en el análisis de regresión simple) ha disminuido algo (7.631,92 en el análisis de regresión múltiple), lo que indica una pequeña mejora en el ajuste. De nuevo, el valor corregido de R 2 es casi idéntico al valor no corregido. Tabla 18.4. Resumen del modelo. Modelo 1 R ,895 R cuadrado ,802 R cuadrado corregida ,800 Error típ. de la estimación $7,631.92 El estadístico F (ver tabla 18.5) contrasta la hipótesis nula de que el valor poblacional de R es cero y, por tanto, nos permite decidir si existe relación lineal significativa entre la variable dependiente y el conjunto de variables independientes tomadas juntas. El valor del nivel crítico Sig. = 0,000 indica que sí existe relación lineal significativa. Podemos afirmar, por tanto, que el hiperplano definido por la ecuación de regresión ofrece un buen ajuste a la nube de puntos. Tabla 18.5. Resumen del ANOVA. Modelo: 1 Regresión Residual Total Suma de cuadrados 110540801465,350 27375693970,990 137916495436,340 gl 3 470 473 Media cuadrática 36846933821,783 58246157,385 F 632,607 Sig. ,000 Capítulo 18. Análisis de regresión lineal 20 Ecuación de regresión La tabla de coeficientes de regresión parcial (ver tabla 18.6) contiene toda la información necesaria para construir la ecuación de regresión mínimo-cuadrática. Tabla 18.6. Coeficientes de regresión parcial. Modelo: 1 (Constante) Salario inicial Experiencia previa (meses) Nivel educativo (años) Coeficientes no estandarizados B Error típ. -3661,517 1935,490 1,749 ,060 -16,730 3,605 735,956 168,689 Coeficientes estandarizados Beta ,806 -,102 ,124 t -1,892 29,198 -4,641 4,363 Sig. ,059 ,000 ,000 ,000 En la columna encabezada Coeficientes no estandarizados se encuentran los coeficientes (Bk) que forman parte de la ecuación en puntuaciones directas: Pronóstico en salario = = n3.661,517 + 1,749 salini n 16,730 expprev + 735,956 educ Estos coeficientes no estandarizados se interpretan en los términos ya conocidos. Por ejemplo, el coeficiente correspondiente a la variable salini, que vale 1,749, indica que, si el resto de variables se mantienen constantes, a un aumento de una unidad (un dólar) en salini le corresponde, en promedio, un aumento de 1,749 dólares en salario. Es necesario señalar que estos coeficientes no son independientes entre sí. De hecho, reciben el nombre de coeficientes de regresi...
View Full Document

Ask a homework question - tutors are online