Documente Academic
Documente Profesional
Documente Cultură
El modelo permite generar predicciones para el valor esperado o para un valor individual de la variable
dependiente (Y) asociado a un valor dado de la variable independiente (X). En ambos casos la prediccin
puntual es la misma y se obtiene sustituyendo en el modelo estimado el valor X0 para el cual se desea
realizar la prediccin.
Para obtener el intervalo de confianza de los pronsticos y/o contrastar si puede aceptarse un determinado
Para obtener las predicciones se debe acceder al cuadro de dilogo Regresin Lineal: Guardar nuevas
variables con el botn Guardar:
El bloque Valores pronosticados presenta una serie de opciones que permiten guardar en el
archivo activo las predicciones No tipificadas y Tipificadas correspondientes a los casos incluidos
El bloque Residuos permite guardar en el archivo activo los residuos correspondientes a los casos
incluidos en la estimacin No tipificados, Tipificados y Estudentizados. Con las opciones
Si se desea guardar estos resultados en un archivo nuevo se activa la opcin Estadsticos de los
EJEMPLOS
Ejemplo 1.
Con las variables Peso y Est (estatura) del archivo Encinf.sav analizadas en el ltimo ejemplo del captulo
3* estime el modelo de regresin lineal simple que explica el comportamiento del Peso (variable
dependiente) en funcin de la Est (variable independiente). Realice la estimacin con los 100 primeros
casos.
Con la secuencia Analizar > Regresin > Lineal aparece el correspondiente cuadro de dilogo en el que se
seleccionan la variable Peso como Dependiente y la variable Est como Independiente. En el recuadro
Variable de seleccin se introduce la variable Enc (nmero de encuesta) y con el botn Regla se abre el
cuadro de dilogo Regresin Lineal: Establecer regla donde se introduce la condicin 'menor o igual que
100'.
En el cuadro resumen del modelo se observa que: r=0,883, R2=0,78 (obsrvese que R2 es igual a r al
cuadrado) y Su=6,0638. El coeficiente de determinacin indica que el 78% de la variacin total del peso
en la muestra queda explicada por el modelo estimado y, por lo tanto, el modelo proporciona un buen
ajuste.
El cuadro Coeficientes presenta los siguientes resultados:
- Errores tpicos (errores estndar) de las estimaciones de los parmetros y : Sa=10,613 y Sb=0,062.
- Coeficientes beta, que se obtienen estimando la regresin a partir de las observaciones estandarizadas.
En la regresin simple este coeficiente coincide con el coeficiente de correlacin lineal simple, r.
Ejemplo 2.
Compruebe si existen valores extremos y analice el comportamiento de los residuos del modelo de
Con la secuencia Analizar > Regresin > Lineal aparece el correspondiente cuadro de dilogo en el que se
mantienen seleccionadas la variable Peso como Dependiente y la variable Est como Independiente. Con el
botn Estadsticos se accede al cuadro de dilogo que presenta las opciones correspondientes al
diagnstico de residuos. Se activa Diagnstico por caso y Valores atpicos a ms de 2 desviaciones tpicas.
- Se observa que nicamente un caso presenta un resduo estandarizado, igual a 2,046, superior a 2 veces
la desviacin estndar. Esto nos indica que no existe ningn caso atpico.
- En el cuadro Estadsticos sobre los residuos se comprueba que efectivamente no hay valores atpicos ya
que los valores mximo y mnimo de los residuos tipificados son inferiores a 3 en valor absoluto.
Con el botn Grficos se abre el cuadro de dilogo donde se deben activar las opciones correspondientes
El histograma de los residuos permite comprobar grficamente la hiptesis de normalidad; aspecto que
deber tenerse en cuenta para la interpretacin de los resultados de la inferencia estadstica. En este caso
vemos que la distribucin es campaniforme pero presenta una laguna en el centro que puede ser, en parte,
consecuencia de los intervalos definidos.
El diagrama P-P compara la frecuencia acumulada por los residuos tipificados con la probabilidad esperada
bajo la hiptesis de normalidad. Se observa que estas diferencias podran ser significativas en alguna zona
del grfico; lo cual, de ser cierto, pondra en duda la validez de la hiptesis de normalidad de los residuos.
No obstante, el criterio para decidir si se puede rechazar la hiptesis de normalidad ser el que proporcione
alguno de los contrastes de normalidad.
Adems, en el mismo cuadro de dilogo se puede pedir que elabore los diagramas de dispersin de, por
Ejemplo 3.
Obtenga las predicciones y los residuos correspondientes a los 100 casos incluidos en la estimacin y a
Con la secuencia Analizar > Regresin > Lineal aparece el correspondiente cuadro de dilogo en el que se
mantienen seleccionadas la variable Peso como Dependiente y la variable Est como Independiente. Con el
botn Guardar se abre el cuadro de dilogo donde se deben activar las opciones:
Valores Pronosticados > No tipificados y Tipificados para obtener las predicciones a partir del
modelo estimado.
Residuos > No tipificados y Tipificados para obtener los residuos de todos los casos.
Intervalos de Pronstico > Media e Individuos para obtener los lmites de los intervalos.
Los resultados de estas opciones quedan almacenados en el archivo de datos activo, y estn disponibles
para anlisis posteriores. Por defecto los nombres de las variables que crea son: Pre_1 (predicciones no
estandarizadas), Res_1 (residuos no estandarizados), Zpr_1, Zre_1(predicciones y residuos
estandarizados, respectivamente), Sep_1 (error estndar de las predicciones), Imci_1, Unci_1 (Lmite
inferior y superior del intervalo de confianza para la prediccin del valor esperado de Y), Lici_1, Uici_1
(Lmite inferior y superior del intervalo de confianza para la prediccin individual de Y).
Por ejemplo, para el caso 101, que presenta una estatura de 168 y un pesoigual a 56, los resultados son:
- Intervalo de confianza para el valor esperado de Y para los individuos con estatura 168 (58,73751 ;
61,36022).