- \n
- Identifica las diferentes partes que componen el paquete estad\u00edstico SPSS, as\u00ed como, las principales herramientas que le ayudar\u00e1n a realizar un an\u00e1lisis estad\u00edstico de correlaci\u00f3n y regresi\u00f3n simple y m\u00faltiple.<\/li>\n<\/ul>\n
Elementos de la competencia:<\/p>\n
- \n
- Distingue las diferentes partes del SPSS y la funcionalidad de sus herramientas.<\/li>\n
- Utiliza datos de captura de forma adecuada en el software estad\u00edstico para su futuro an\u00e1lisis.<\/li>\n
- Aplica las herramientas referentes al estudio de la regresi\u00f3n y correlaci\u00f3n simple y m\u00faltiple.<\/li>\n
- Obtiene resultados que puede importar y utilizar en otros medios electr\u00f3nicos o f\u00edsicos.<\/li>\n<\/ul>\n
Contenido<\/h2>\n
5.1 Correlaci\u00f3n Lineal Simple<\/h3>\n
El termino correlaci\u00f3n se refiere al grado de variaci\u00f3n conjunta existente entre dos o m\u00e1s variables. En esta unidad nos vamos a centrar en el estudio de la relaci\u00f3n lineal de dos variables, en sus dos tipos:<\/p>\n
1. Correlaci\u00f3n Positiva, en la cual las dos variables var\u00edan de forma directa; dicho, en otros t\u00e9rminos, ser\u00eda que cuando una variable se incrementa la otra tambi\u00e9n, por ejemplo, a mayor ejerci\u00f3 semanal, mayor capacidad cardiorrespiratoria.
\n2. Correlaci\u00f3n negativa, en la cual las dos variables son indirectamente proporcionales, mientras una sube la otra variable baja o viceversa, por ejemplo, a mayor cantidad de cigarrillos diario menor es la capacidad cardiorrespiratoria. La forma m\u00e1s visual e intuitiva para poder observar qu\u00e9 tipo de relaci\u00f3n existe entre dos variables, se da por medio de un diagrama de dispersi\u00f3n, consistente en una ilustraci\u00f3n gr\u00e1fica que se usa en el an\u00e1lisis de regresi\u00f3n. Se representa por medio de una tabla de coordenadas X y Y c\u00f3mo las variables y las interacciones entre ellas; se visualiza mediante una dispersi\u00f3n de puntos tal que cada punto representa un valor de la variable independiente (medido a lo largo del eje horizontal), y un valor asociado de la variable dependiente (medido a lo largo del eje vertical). En la siguiente imagen podemos observar tres gr\u00e1ficas, de las diferentes dispersiones que nos puede arrojar esta:<\/p>\n![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-UNI5-011.jpg?resize=558%2C221&ssl=1\")
Imagen 1. Correlaci\u00f3n.<\/figcaption><\/figure>\n Al observar la imagen nos damos cuenta que en la primera se da una correlaci\u00f3n positiva, pues la dispersi\u00f3n est\u00e1 tomando la forma de una diagonal ascendente de izquierda a derecha, esto es porque mientras una variable sube la otra tambi\u00e9n; en la segunda, se ven dos variables sin relaci\u00f3n entre ellas; en la tercera observamos una dispersi\u00f3n de dos variables con correlaci\u00f3n negativa, donde la recta horizontal decrece de izquierda a derecha porque mientras una variable aumenta la otra disminuye. Mediante estas gr\u00e1ficas tambi\u00e9n se puede cuantificar el grado de relaci\u00f3n existente entre las variables, simplemente fij\u00e1ndonos qu\u00e9 tanto salen los puntos de dispersi\u00f3n de la l\u00ednea recta, entre m\u00e1s cercanos est\u00e9n los puntos a esta, significa que existe una fuerte relaci\u00f3n entre las variables y entre m\u00e1s alejados de la l\u00ednea y m\u00e1s dispersos, significa que la relaci\u00f3n es d\u00e9bil, podemos observarlo en la siguiente imagen:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-UNI5-002.jpg?resize=473%2C432&ssl=1\")
Imagen 2. Tipos de correlaci\u00f3n.<\/figcaption><\/figure>\n Estos grados de correlaci\u00f3n pueden calcularse de manera unilineal, se denominan coeficientes de correlaci\u00f3n y sirven para cuantificar el grado de relaci\u00f3n existente entre variables. El Software estad\u00edstico SPSS cuenta con un procedimiento para obtenerlos, iniciamos explicando el procedimiento, para ello, nos vamos a la carpeta de anexos y abrimos el archivo behavior_ini.sav<\/strong>, aqu\u00ed se encuentran los resultados de un estudio referente a valorar una situaci\u00f3n para decidir si es apropiada o no; se aplic\u00f3 a 52 estudiantes. El archivo contiene una configuraci\u00f3n bidimensional, la primera se utiliz\u00f3 para indicar el lugar donde se encuentran ubicados los siguientes espacios: iglesia, cuarto, ba\u00f1o, sal\u00f3n de clases, otros y la segunda para indicar<\/p>\n
diferentes acciones, tales como: dormir, eructar, escuchar m\u00fasica, estudiar, hablar, entre otras. Lo que trat\u00f3 de comprobarse es la correlaci\u00f3n que puede establecerse entre lugares y acciones y determinar si son aceptables, por ejemplo, dormir en la Iglesia o comer en el sal\u00f3n de clases, entre otras. Para desarrollarlo nos ubicamos en el men\u00fa Analizar>Correlaciones>Bivariadas, nos abrir\u00e1 un cuadro de di\u00e1logo, compuesto por estas cuatro secciones:<\/p>\n
A) Primera: es la referente a la lista que ya conocemos y que contiene todas las variables, se visualiza mediante un recuadro con el nombre de estas, en la parte inferior encontramos los tres coeficientes de correlaci\u00f3n que contiene esta herramienta y que son:<\/p>\n
- \n
- Coeficiente de correlaci\u00f3n de Pearson (1896) es, quiz\u00e1 el mejor coeficiente y el m\u00e1s utilizado para estudiar el grado de relaci\u00f3n lineal existente entre dos variables cuantitativas. Suele representarse por r, toma valores entre -1 y 1; el valor 1 positivo indica que existe una fuerte correlaci\u00f3n entre las variables y que esta es directa o positiva. Cuando es negativa la relaci\u00f3n es inversa y entre m\u00e1s cercano este el coeficiente de 1 o -1 quiere decir que la correlaci\u00f3n es m\u00e1s fuerte y entre m\u00e1s cercano est\u00e9 a cero la correlaci\u00f3n es m\u00e1s d\u00e9bil o nula.<\/li>\n
- Coeficiente de correlaci\u00f3n Tau-b de Kendall es una medida no param\u00e9trica de asociaci\u00f3n para los datos ordinales. La utilizaci\u00f3n de este coeficiente tiene sentido si las variables no alcanzan el nivel de medida de intervalo y no se puede suponer que la distribuci\u00f3n<\/li>\n
- Coeficiente de correlaci\u00f3n rho de Spearman (1904) es el mismo de Pearson, pero aplicado despu\u00e9s de trasformar las puntuaciones originales en rangos. Toma valores entre -1 y 1 y se interpreta exactamente igual que el de Pearson. Al igual que los coeficientes ya mencionados puede utilizarse como una alternativa, cuando las variables ordinales estudiadas incumplen el supuesto de normalidad.<\/li>\n<\/ul>\n
Junto con cada coeficiente de correlaci\u00f3n se encuentra en la \u00faltima parte, la herramienta de bivariadas que ofrece la informaci\u00f3n necesaria para contrastar la hip\u00f3tesis nula en el valor poblacional del coeficiente de correlaci\u00f3n de Pearson, el SPSS permite seleccionar el nivel cr\u00edtico deseado:<\/p>\n
Junto con cada coeficiente de correlaci\u00f3n, el Visor ofrece la informaci\u00f3n necesaria para contrastar la hip\u00f3tesis nula de que el valor poblacional del coeficiente es cero. El SPSS permite seleccionar el nivel cr\u00edtico deseado:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-UNI5-003.jpg?resize=462%2C151&ssl=1\")
<\/p>\nEn la parte inferior de esta herramienta, se encuentra una casilla que corresponde a marcar las correlaciones significativas. Esta opci\u00f3n, que se encuentra activa por defecto, marca con un asterisco los coeficientes de correlaci\u00f3n significativos al nivel 0,05 y, con dos asteriscos, los significativos al nivel 0,01. Se puede observar en la siguiente imagen:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-UNI5-004.jpg?resize=370%2C326&ssl=1\")
Imagen 3. Los coeficientes de correlaci\u00f3n.<\/figcaption><\/figure>\n Para este ejercicio se ha elegido el dim1 y la variable dim2, se selecciona la secci\u00f3n de coeficientes de correlaci\u00f3n, se da clic en Pearson y el tipo de Prueba de significaci\u00f3n; dejamos seleccionada la opci\u00f3n Bilateral y activada la casilla de Marcar las Correlaciones Significativas. El subcuadro opciones, permite solicitar estad\u00edsticos adicionales y determinar el tratamiento de los valores perdidos. Al pulsarlo nos aparece el cuadro de di\u00e1logo de esta figura:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-UNI5-005.jpg?resize=323%2C231&ssl=1\")
Imagen 4. Correlaciones.<\/figcaption><\/figure>\n Estad\u00edsticos. Si se ha elegido el coeficiente de Pearson, las opciones de este recuadro permiten seleccionar una o m\u00e1s de las siguientes opciones:<\/p>\n
- \n
- Medias y desviaciones t\u00edpicas: muestra, para cada variable, la media, la desviaci\u00f3n t\u00edpica (insesgada) y el n\u00famero de casos v\u00e1lidos.<\/li>\n
- Productos cruzados y covarianzas: muestra, para cada par de variables, los productos cruzados de las desviaciones de cada puntuaci\u00f3n respecto de su media y la covarianza.<\/li>\n<\/ul>\n
En segunda instancia, las opciones de este recuadro permiten seleccionar el tratamiento que se desea dar a los valores perdidos. En la parte inferior se muestra la opci\u00f3n de Excluir casos seg\u00fan pareja. Por tanto, excluye del an\u00e1lisis los casos que tengan valores perdidos en cualquiera (o en ambas) de las variables de una pareja implicada en el c\u00e1lculo de un estad\u00edstico espec\u00edfico. Tambi\u00e9n permite la opci\u00f3n de excluir los casos que tienen valores perdidos en cualquiera de las variables utilizadas en cualquiera de los an\u00e1lisis.<\/p>\n
Para este cuadro de di\u00e1logo se elige la opci\u00f3n, medidas y desviaciones t\u00edpicas, y en la sesi\u00f3n de valores perdidos se deja activado excluir casos seg\u00fan la lista. Enseguida damos clic en continuar y nos regresa al cuadro de di\u00e1logo de bivariadas, finalmente seleccionamos aceptar y nos desplegar\u00e1 la ventana del visor de resultados, mostr\u00e1ndonos los resultados de nuestra prueba, tal como aparecen en estas tablas:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-Tabla-1.jpg?resize=312%2C322&ssl=1\")
Tabla 1.<\/figcaption><\/figure>\n Como se puede observar, tenemos una tabla de correlaciones mostr\u00e1ndonos primeramente las pruebas estad\u00edsticas que indicamos que haga el programa, en el cuadro de di\u00e1logo de opciones podemos ver la tabla con los resultados de la prueba de coeficiente de correlaci\u00f3n de Pearson, se puede ver que, el coeficiente de correlaci\u00f3n es mayor a 5, lo cual indica que existe una correlaci\u00f3n d\u00e9bil, entre si es aceptable que ciertas acciones se realicen en los diferentes lugares mencionados, el coeficiente es positivo, deriv\u00e1ndose que la correlaci\u00f3n es directa.<\/p>\n
5.2 Correlaciones Parciales<\/h3>\n
El procedimiento de correlaciones parciales permite estudiar la relaci\u00f3n existente entre dos variables cuantitativas controlando el posible efecto de una o m\u00e1s variables cuantitativas extra\u00f1as. Un coeficiente de correlaci\u00f3n parcial es una t\u00e9cnica de control estad\u00edstico que expresa el grado de relaci\u00f3n lineal existente entre dos variables, tras eliminar de ambas el efecto atribuible a terceras variables.<\/p>\n
Por ejemplo, se sabe que la correlaci\u00f3n entre las variables inteligencia y rendimiento escolar es alta y positiva. Sin embargo, cuando se controla el efecto de terceras variables como n\u00famero de horas de estudio o el nivel educativo de padres, la correlaci\u00f3n entre inteligencia y rendimiento desciende, lo cual indica que la relaci\u00f3n entre inteligencia y rendimiento est\u00e1 condicionada, depende o est\u00e1 modulada por las variables sometidas a control.<\/p>\n
Para seguir con el ejemplo y realizar este procedimiento, se abre el archivo Workprog.sav que se encuentra en la carpeta de anexos correspondiente a esta unidad did\u00e1ctica, ah\u00ed se encontrar\u00e1n datos hipot\u00e9ticos sobre un programa de obras del gobierno que intenta colocar a personas desfavorecidas en mejores trabajos. Se tom\u00f3 una muestra de participantes potenciales del programa, algunos de los cuales se seleccionaron aleatoriamente para entrar en el programa, mientras que otros no siguieron esta selecci\u00f3n aleatoria. Cada caso representa un participante del programa diferente. Para llevarlo a cabo, nos dirigimos al men\u00fa<\/p>\n
Analizar>Correlaciones>Parciales, se abre un cuadro de di\u00e1logo, la palabra Observar indica que el software cuenta en el recuadro con la lista de todas las variables que est\u00e1n contenidas en la base de datos, a un lado se observa un recuadro llamado Variables, en el cual se especifican aquellas que se tomar\u00e1n en cuenta para realizar la prueba de correlaci\u00f3n parcial, en la parte de abajo se encuentra el recuadro Controlando para, ah\u00ed se indicar\u00e1 cu\u00e1les variables controlar\u00e1n el comportamiento de la relaci\u00f3n entre las ellas; en la parte inferior se encuentra la opci\u00f3n de prueba de significaci\u00f3n, es la misma que se utiliza en la prueba de bivariadas y que pueden ser:<\/p>\n
- \n
- Bilaterales,<\/strong> se utiliza cuando no se sabe la direcci\u00f3n de la relaci\u00f3n (positiva o negativa). Esta indica la probabilidad de obtener coeficientes alejados de cero o e valor absoluto del coeficiente.<\/li>\n
- Unilaterales,<\/strong> se usan cuando conocemos la direcci\u00f3n de la relaci\u00f3n. Indica la probabilidad de obtener coeficientes mayores o menores si es negativo que el obtenido.<\/li>\n<\/ul>\n
En la parte inferior se encuentra un cuadro de selecci\u00f3n que muestra el nivel de significaci\u00f3n real. Esta opci\u00f3n se encuentra activada por defecto, permite obtener el nivel de correlaci\u00f3n parcial. Para seguir con el ejemplo, se seleccionan las variables: Ingresos antes del programga[ingant] e ingresos nuevamente despu\u00e9s del programa[indes]; en el recuadro Controlado para: se eligen las variables, Estado Civil[ecivil] y Nivel Educativo[ed]; en la secci\u00f3n de Prueba de significaci\u00f3n, dejamos seleccionada la opci\u00f3n Bilateral y de igual manera el cuadro de selecci\u00f3n de Mostrar el nivel de significaci\u00f3n real. A continuaci\u00f3n, nos dirigimos a el bot\u00f3n de opciones y abriremos un nuevo cuadro de dialogo, como lo muestra la siguiente imagen:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-UNI5-006.jpg?resize=445%2C329&ssl=1\")
Imagen 5. Correlaciones parciales.<\/figcaption><\/figure>\n En este nuevo cuadro se puede configurar lo mismo que se realiz\u00f3 en la herramienta Bivariadas, se selecciona Estad\u00edsticos y elegir la opci\u00f3n que corresponde de estas dos:<\/p>\n
- \n
- Medias y desviaciones t\u00edpicas: muestra, para cada variable, la media, la desviaci\u00f3n t\u00edpica (insesgada) y el n\u00famero de casos v\u00e1lidos.<\/li>\n
- Productos cruzados y covarianzas: Muestra, para cada par de variables, los productos cruzados de las desviaciones de cada puntuaci\u00f3n respecto de su media y la covarianza.<\/li>\n<\/ul>\n
En segunda instancia la parte inferior que nos muestra la opci\u00f3n de Excluir los casos seg\u00fan pareja con valor perdido en alguna de las dos variables que est\u00e1n correlacionando o Excluir casos seg\u00fan lista, Se excluyen del c\u00e1lculo de todos los coeficientes de correlaci\u00f3n solicitados los casos con valor perdido en cualquiera de las variables seleccionadas en la lista Variables. Para este ejercicio seleccionaremos tanto la opci\u00f3n Medidas y desviaciones t\u00edpicas y la opci\u00f3n correlaciones de orden cero. Enseguida damos en el bot\u00f3n continuar y finalmente a aceptar para que el software SPSS haga el procedimiento, como se muestra en la imagen:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-UNI5-007.jpg?resize=232%2C229&ssl=1\")
Imagen 6. Correlaciones parciales, opciones.<\/figcaption><\/figure>\n Autom\u00e1ticamente se nos desplegar\u00e1 la ventana de resultados mostr\u00e1ndonos dos tablas como resultado del procedimiento de correlaciones Parciales. La primera nos ofrece una serie de medidas descriptivas donde observamos la media y la desviaci\u00f3n est\u00e1ndar de las variables seleccionadas, como se visualiza en la tabla siguiente:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-Tabla-2.jpg?resize=384%2C182&ssl=1\")
Tabla 2. Estad\u00edsticos descriptivos.<\/figcaption><\/figure>\n La segunda tabla muestra las correlaciones en dos secciones, en la primera podemos observarlas sin ninguna variable de control, en una matriz de parrilla donde la intersecci\u00f3n entre ellas, nos ofrece el coeficiente de Correlaci\u00f3n de Pearson y el nivel de significaci\u00f3n real; en la otra parte, se visualiza la correlaci\u00f3n de las variables obtenidas con las variables de control, esto lo podemos ver en la tabla que sigue:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-Tabla-3.jpg?resize=596%2C317&ssl=1\")
Tabla 3. Correlaciones.<\/figcaption><\/figure>\n Como podemos observar en la correlaci\u00f3n de salario antes del programa y los ingresos despu\u00e9s del programa tienen una correlaci\u00f3n de .589 indicando una correlaci\u00f3n d\u00e9bil, con un nivel de significaci\u00f3n de 0 por lo que se puede decir que, existe correlaci\u00f3n entre las dos variables, y en la secci\u00f3n de variables de control podemos ver que la correlaci\u00f3n entre estas dos variables es de .507 bajando su coeficiente; se puede concluir que el estado civil y el nivel educativo si interfieren en la correlaci\u00f3n de las dos variables analizadas.<\/p>\n
5.3 Regresi\u00f3n lineal simple.<\/h3>\n
Como ya se mencion\u00f3 anteriormente, el an\u00e1lisis de regresi\u00f3n lineal es una t\u00e9cnica estad\u00edstica que permite estudiar una variable dependiente y una o m\u00e1s variables independientes; en esta unidad se habl\u00f3 que, al graficar una correlaci\u00f3n lineal, la dispersi\u00f3n genera una tendencia vertical de las intersecciones de los datos en la misma. No existe una correlaci\u00f3n perfecta, por tanto, esta nunca forma una recta perfecta; una funci\u00f3n de la regresi\u00f3n lineal es calcular una recta que represente todos los puntos de la gr\u00e1fica y as\u00ed, poder calcular el coeficiente de relaci\u00f3n que existe entre ellos. Tambi\u00e9n se puede medir la tendencia de los puntos y as\u00ed mismo, poder realizar predicciones de la una de las variables conociendo la otra y ver si existe relaci\u00f3n entre ellas. Esto se visualiza en la siguiente imagen:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Grafica-1-1.jpg?resize=337%2C269&ssl=1\")
Gr\u00e1fica 1. Regresi\u00f3n lineal.<\/figcaption><\/figure>\n El Coeficiente de determinaci\u00f3n es una medida estandarizada que toma sus valores entre 0 y 1, el 0 indica que no existe interacci\u00f3n entre las variables, por lo tanto, son independientes; el 1, es la relaci\u00f3n perfecta entre ellas, este coeficiente nos puede dar informaci\u00f3n muy intuitiva ya que representa el grado de acierto que podemos tener al predecir una variable, conociendo el dato de la otra. Entre m\u00e1s cercano sea este coeficiente a 0 es menos probable que nuestra predicci\u00f3n sea certera y tenga mayor validez cuando el coeficiente de Determinaci\u00f3n sea m\u00e1s cercano a 1. Este procedimiento implica obtener la ecuaci\u00f3n de la recta que mejor exprese la relaci\u00f3n entre la variable dependiente y la independiente, estimando el coeficiente de determinaci\u00f3n.<\/p>\n
A diferencia de las pruebas de correlaci\u00f3n, la regresi\u00f3n m\u00e1s que un modelo para medir la relaci\u00f3n que existe entre dos variables, es un modelo predicativo basado sobre la recta que representa todos los datos de la dispersi\u00f3n como se vio en la gr\u00e1fica anterior. Si recuerdan, en sus clases de Geometr\u00eda Anal\u00edtica del bachillerato, para calcular cualquier punto en una recta y en este caso predecir el valor de la variable independiente conociendo el valor de la dependiente, es necesario sustituir los valores en la f\u00f3rmula general de recta:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Captura.jpg?resize=135%2C51&ssl=1\")
<\/p>\nDonde:<\/p>\n
a es la constante<\/p>\n
b el coeficiente<\/p>\n
x la variable dependiente<\/p>\n
Y la variable independiente<\/p>\n
Se va a realizar un ejemplo para comprender mejor el procedimiento de regresi\u00f3n lineal. Accedemos a la base de datos utilizada en el ejercicio anterior Workprog.sav, se encuentra en la carpeta de anexos de la unidad, nos dirigimos al men\u00fa An\u00e1lisis>Regresi\u00f3n>Lineales, al dar clic se abrir\u00e1 una ventana donde se pueden visualizar varias sesiones, de las cuales s\u00f3lo se utilizar\u00e1n dos, la primera llamada Dependientes donde se ingresa la variable dependiente en la que se basar\u00e1 el procedimiento; la segunda sesi\u00f3n a usar es la llamada Independientes, donde se a\u00f1adir\u00e1n las variables independientes que ser\u00e1n contrastadas con la regresi\u00f3n en la variable Dependientes. Para fines de este ejercicio solo se agrega la Variable Ingresos despu\u00e9s del programa [ingdes] al recuadro de Dependientes y la variable Ingresos antes del programa [ingant] a la lista de Independientes, esto debido a que los ingresos antes del programa est\u00e1n dados antes de la intervenci\u00f3n, y los ingresos despu\u00e9s del programa est\u00e1n condicionados de cierta forma por los ingresos antes del programa. Enseguida se da clic en aceptar y se desplegar\u00e1 el visor de resultados con varias tablas que ser\u00e1n analizadas por partes:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-UNI5-008.jpg?resize=600%2C456&ssl=1\")
Imagen 7. Regresi\u00f3n lineal.<\/figcaption><\/figure>\n Se pueden observar cuatro tablas en el visor de resultados: la primera muestra la variable independiente y la dependiente; la segunda el resumen del modelo, donde se puede apreciar que R se refiere al coeficiente de correlaci\u00f3n de Pearson que existe entre las variables Ingresos antes e ingresos despu\u00e9s del programa. En el caso de este ejemplo, se constata que existe una correlaci\u00f3n d\u00e9bil, pues el coeficiente es .589; la R cuadrado corregida indica el coeficiente de Determinaci\u00f3n, mostrando la<\/p>\n
certeza de la predicci\u00f3n de la f\u00f3rmula de la recta de regresi\u00f3n, en el ejemplo se obtuvo un R2 de .347 infiriendo con ello, que existe un 34% de probabilidad de que la predicci\u00f3n sea cierta, todo se muestra en la siguiente tabla:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-Tabla-4.jpg?resize=432%2C132&ssl=1\")
Tabla 4. Resumen del modelo.<\/figcaption><\/figure>\n La tercera tabla llamada ANOVA muestra el an\u00e1lisis de la varianza, sirve para identificar si los resultados obtenidos del an\u00e1lisis de las variables son \u00fatiles para construir un modelo de predicci\u00f3n basado en la curva de regresi\u00f3n. Es importante observar la columna Sig. donde se muestra el coeficiente de significaci\u00f3n de los resultados obtenidos, si resulta un coeficiente menor a 0.05 indica que los datos son \u00fatiles para realizar uno de predicci\u00f3n, en este ejemplo, el coeficiente de significaci\u00f3n es 0.000, lo cual indica que se pueden usar estos datos para realizar una predicci\u00f3n.<\/p>\n
La ultima tabla llamada Coeficientes (imagen siguiente) contiene los datos que se requieren para realizar una ecuaci\u00f3n de predicci\u00f3n. Al observarla, encontramos que la constante es igual a 1.54 (solo se toman dos decimales para la ecuaci\u00f3n) y en la fila Ingresos antes del programa el coeficiente de predicci\u00f3n es igual a 1.68, solo queda sustituir los valores en la f\u00f3rmula de la recta, se observa en la siguiente imagen:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-Tabla-5.jpg?resize=553%2C145&ssl=1\")
Tabla 5. Coeficientes.<\/figcaption><\/figure>\n ![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-Tabla-6.jpg?resize=524%2C320&ssl=1\")
<\/p>\nPara finalizar, vamos a suponer que conocemos el ingreso de una persona antes del programa y que es de $ 20.00, usando el modelo de regresi\u00f3n lineal para estas variables podemos inferir cu\u00e1l era el ingreso antes del programa. Para esto, realizamos lo siguiente:<\/p>\n
![\"\"](\"https:\/\/i0.wp.com\/blogs.ugto.mx\/enfermeriaenlinea\/wp-content\/uploads\/sites\/43\/2018\/09\/Estadistica-Tabla-7.jpg?resize=615%2C287&ssl=1\")
<\/p>\nEs bueno recordar que esta predicci\u00f3n no es tan acertada ya que el R2 nos dice que hay un 34% de certeza en la predicci\u00f3n.<\/p>\n
Conclusiones<\/h2>\n
Para finalizar esta unidad y a manera de conclusi\u00f3n se puede afirmar que las t\u00e9cnicas de correlaci\u00f3n y regresi\u00f3n cuantifican la relaci\u00f3n estad\u00edstica que se da entre dos o m\u00e1s variables. La regresi\u00f3n lineal expresa la asociaci\u00f3n entre una variable dependiente y una independiente, manifest\u00e1ndose en t\u00e9rminos de la pendiente y la intersecci\u00f3n de la l\u00ednea que mejor se ajuste a las variables. En cambio, la correlaci\u00f3n simple indica el grado o la cercan\u00eda de la relaci\u00f3n entre las dos variables, expresado en t\u00e9rminos de un coeficiente de correlaci\u00f3n que aporta una medida indirecta de la variabilidad de los puntos en torno de la mejor l\u00ednea de ajuste. Ninguna de las dos da pruebas respecto a las relaciones causa \u2013 efecto, no es su funci\u00f3n.<\/p>\n
Bibliograf\u00eda consultada<\/h2>\n
- \n
- Bronfenbrenner, U. (1979). Theecology of human development. Cambridge: Harvard UniversityPress; BOUCHARD, C. (1981). Perspectives\u00e9cologiques de la relationparent(s)-enfant(s): des comp\u00e9tences parentales aun comp\u00e9tences
\nenvironnementales. Apprentissage et Socialisation, 4, 4-23.<\/li>\n - Gobierno Federal. SINAVE. (2012). Perfil Epidemiol\u00f3gico de la Salud Mental en M\u00e9xico. M\u00e9xico DF.<\/li>\n
- Moreno Jim\u00e9nez B. y Col. Personalidad positiva y salud. Universidad Aut\u00f3noma de Madrid. Madrid Espa\u00f1a. Disponible en:
\nhttps:\/\/www.uam.es\/gruposinv\/esalud\/Articulos\/Psicologia%20Positiva\/PERSONALIDAD-POSITIVA-Y-SALUD.pdf<\/li>\n - Martorell, Jos\u00e9 Luis. Prieto Jos\u00e9 Luis. Fundamentos de la psicolog\u00eda. Ed. Centro de Estudios Ram\u00f3n Areces. Colecci\u00f3n de Psicolog\u00eda. Cap\u00edtulo 11.<\/li>\n
- Rebraca S. Louise. Enfermer\u00eda psiqui\u00e1trica y de salud mental. Conceptos b\u00e1sicos. Ed. Mc Graw Hill. Interamericana. 6\u00aa Edici\u00f3n.<\/li>\n<\/ol>\n","protected":false},"excerpt":{"rendered":"
Introducci\u00f3n Cuando se analizan datos, el inter\u00e9s del especialista en estad\u00edstica suele centrarse en reorientar y actualizar el enfoque con el que se debe abordar el estudio de los m\u00e9todos estad\u00edsticos, con la finalidad de despertar en los estudiantes la inquietud por aprender, analizar las relaciones que se dan entre variables y resolver los problemas … Leer m\u00e1s<\/a><\/p>\n","protected":false},"author":111,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_crdt_document":"","episode_type":"","audio_file":"","podmotor_file_id":"","podmotor_episode_id":"","cover_image":"","cover_image_id":"","duration":"","filesize":"","filesize_raw":"","date_recorded":"","explicit":"","block":"","itunes_episode_number":"","itunes_title":"","itunes_season_number":"","itunes_episode_type":"","jetpack_post_was_ever_published":false,"footnotes":""},"categories":[40],"tags":[],"class_list":["post-7370","post","type-post","status-publish","format-standard","hentry","category-software-estadistico"],"acf":[],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/p9Pe0m-1US","jetpack-related-posts":[],"_links":{"self":[{"href":"https:\/\/blogs.ugto.mx\/enfermeriaenlinea\/wp-json\/wp\/v2\/posts\/7370","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blogs.ugto.mx\/enfermeriaenlinea\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blogs.ugto.mx\/enfermeriaenlinea\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blogs.ugto.mx\/enfermeriaenlinea\/wp-json\/wp\/v2\/users\/111"}],"replies":[{"embeddable":true,"href":"https:\/\/blogs.ugto.mx\/enfermeriaenlinea\/wp-json\/wp\/v2\/comments?post=7370"}],"version-history":[{"count":4,"href":"https:\/\/blogs.ugto.mx\/enfermeriaenlinea\/wp-json\/wp\/v2\/posts\/7370\/revisions"}],"predecessor-version":[{"id":10643,"href":"https:\/\/blogs.ugto.mx\/enfermeriaenlinea\/wp-json\/wp\/v2\/posts\/7370\/revisions\/10643"}],"wp:attachment":[{"href":"https:\/\/blogs.ugto.mx\/enfermeriaenlinea\/wp-json\/wp\/v2\/media?parent=7370"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blogs.ugto.mx\/enfermeriaenlinea\/wp-json\/wp\/v2\/categories?post=7370"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blogs.ugto.mx\/enfermeriaenlinea\/wp-json\/wp\/v2\/tags?post=7370"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
- Bronfenbrenner, U. (1979). Theecology of human development. Cambridge: Harvard UniversityPress; BOUCHARD, C. (1981). Perspectives\u00e9cologiques de la relationparent(s)-enfant(s): des comp\u00e9tences parentales aun comp\u00e9tences
- Unilaterales,<\/strong> se usan cuando conocemos la direcci\u00f3n de la relaci\u00f3n. Indica la probabilidad de obtener coeficientes mayores o menores si es negativo que el obtenido.<\/li>\n<\/ul>\n
- Bilaterales,<\/strong> se utiliza cuando no se sabe la direcci\u00f3n de la relaci\u00f3n (positiva o negativa). Esta indica la probabilidad de obtener coeficientes alejados de cero o e valor absoluto del coeficiente.<\/li>\n