REGRESION Y CORRELACION LINEAL CON SPSS

OBJETIVOS
 Conocer los elementos necesarios para la realización de un análisis de regresión y
correlación
 Establecer la manera en la que se elige el modelo de regresión a utilizar a partir de la
forma que tome el conjunto de datos.
 Analizar la bondad del ajuste lineal
FUNDAMENTO TEORICO
El Análisis de Regresión tiene como objetivo estudiar la relación entre variables. Permite
expresar dicha relación en términos de una ecuación que conecta una variable de respuesta Y,
con una o más variables explicativas X1,X2,…,Xk .
Finalidad:
Determinación explícita del funcional que relaciona las variables. (Predicción)
Comprensión por parte del analista de las interrelaciones entre las variables que intervienen en el
análisis.
PLANTEAMIENTO GENERAL
Notación:
Y variable de respuesta (dependiente, endógena, explicada) X1,X2,…,Xk variables explicativas
(independientes, exógenas, regresores)
Modelo general de Regresión:
Y = m (X1,X 2,…,X k ) + ε
m = función de regresión
ε = residuos del modelo (errores de observación, inadecuación del modelo)
Variantes del Análisis de Regresión en SPSS
 Según el número de v. explicativas: Simple o Múltiple.
 Supuestos sobre la función de regresión
Regresión lineal:
Y = 0 + 1 X1+ 2 X2 +…+ k X k +ε
Estimación curvilínea (Potencial, exponencial, hiperbólica, etc.)
Y = exp (a + b X) ln Y = a + b X
Regresión no lineal (Algoritmos de estimación iterativos)

Idania Cazas Chura Ingenieria Quimica 2019

Variantes del Análisis de Regresión en SPSS
 Tipo de datos:
Regresión logística, Modelos Probit (La variable de respuesta es binaria)

Regresión ordinal (La variable de respuesta es de tipo ordinal)

Escalamiento óptimo o regresión categórica (Las variables explicativas y/o explicada,

pueden ser nominales)
 Situaciones especiales en la estimación del modelo lineal: Mínimos cuadrados en dos
fases (correlación entre residuos y v. explicativas), estimación ponderada (situación de
heterocedasticidad)
Correlación Lineal con SPSS: el concepto de relación o correlación entre dos variables se
refiere al grado de parecido o variación conjunta existente entre las mismas. La correlación lineal
se limita a considerar únicamente el caso de dos variables cuantitativas (correlación simple).
Una relación lineal positiva entre dos variables X e Y significa que los valores de las dos
variables varían de forma parecida: los sujetos que puntúan alto en X tienden a puntuar alto en Y,
y los que puntúan bajo en X tienden a puntuar en Y. una relación lineal negativa significa que los
valores de ambas variables varían justamente al revés.
La forma más directa de formarse una primera idea sobre el tipo de relación existente entre dos
variables cuantitativas es a través de un diagrama de dispersión. Este tipo de diagramas puede
obtenerse mediante: Gráficos, en las diferentes opciones que tiene: generador de gráficos,
cuadros de dialogo antiguos o en gráficos interactivos.
TAREA
 Considere una compañía que compra materia prima a tres diferentes proveedores. La
compañía desea determinar si la pureza de la materia prima de cada una es la misma.
 Hay cuatro lotes de materia prima disponible de cada proveedor. Se hacen tres
determinaciones de la pureza en cada lote.
Proveedor 1 Proveedor 2 Proveedor 3
Lotes 1 2 3 4 1 2 3 4 1 2 3 4
1 -2 -2 1 1 0 -1 0 2 -2 1 3
-1 -3 0 4 -2 4 0 3 4 0 -1 2
0 -4 1 0 -3 2 -2 2 0 2 2 1
Total loteYij 0 -9 -1 5 -4 6 -3 5 6 0 2 6
Proveedores Yi -5 4 14 Yi = 13

Idania Cazas Chura Ingenieria Quimica 2019

 Factores inter-sujetos
N
1,00 12
Proveedor 2,00 12
3,00 12
1,00 9
2,00 9
Lotes
3,00 9
4,00 9

Pruebas de los efectos inter-sujetos

Variable dependiente:Pureza
Suma de
Media
Origen cuadrados gl F Sig.
cuadrática
tipo III
Modelo
84,972a 11 7,725 2,927 ,013
corregido
Intersección 4,694 1 4,694 1,779 ,195
Proveedor *
69,917 9 7,769 2,944 ,017
Lotes
Proveedor 15,056 2 7,528 2,853 ,077
Error 63,333 24 2,639
Total 153,000 36
Total
148,306 35
corregida

probabilidad 0,95
grados de
libertad (α) 0,05

Modelo
,013
corregido significativo
Intersección ,195 no significativo
Proveedor *
,017
Lotes significativo
Proveedor ,077 no significativo

f tabla
Modelo
corregido 2,21630865 significativo
Intersección 4,25967727 no significativo
Proveedor *
Lotes 2,30024352 significativo
Proveedor 3,40282611 no significativo

Idania Cazas Chura Ingenieria Quimica 2019

CONCLUSIONES
Se comprendió de buena manera la realización de la regresión y correlación lineal con SPSS
gracias a la explicación del docente, se obtuvieron los resultados, se hizo el análisis de
significación, y se vio si las variables son significativas o no.

Idania Cazas Chura Ingenieria Quimica 2019