Documente Academic
Documente Profesional
Documente Cultură
R. Pérez Juste
Catedrático emérito de la UNED
INTRODUCCIÓN
EL TALLER DE DATOS CUANTITATIVOS
Módulo básico
Módulo multivariable:
Ø Regresión múltiple
Ø Análisis discriminante
Ø Análisis factorial
Ø Metaanálisis
© R. Pérez Juste
PRESENTACIÓN
0. PUNTO DE PARTIDA: UN CASO
1. Contexto metodológico de la investigación
2. Qué es el Análisis de regresión (AR)
3. Qué es el AR múltiple (ARM)
4. Para qué tipo de problemas se utiliza
5. Qué exigencias presenta
6. Cómo se lleva a cabo
7. Cómo se interpreta
© R. Pérez Juste
0.
PUNTO DE PARTIDA:
Un caso
Punto de partida:
un problema pedagógico a investigar
© R. Pérez Juste
QUÉ ES EL ANÁLISIS DE REGRESIÓN (AR)
∑ 2407 243
7
RENDIMIENTO
0
0
10
20
30
40
50
60
70
80
90
100
iNTELIGENCIA
Predictor 4 Predictor 3
Criterio
Criterio
Predictor 5
Predictor 1
Predictor 2
© R. Pérez Juste
QUÉ ES EL ANÁLISIS DE REGRESIÓN MÚLTIPLE (ARM)
Ecuación de regresión múltiple:
• Y = b1 X1 + b2 X2 +… + bn Xn + a
ü X: valores de las variables seleccionadas
ü b: coeficientes de regresión; peso de la variable en
la predicción
ü a = constante; igual para todos los casos
• El valor de b es: b = R (sy / sx)
© R. Pérez Juste
4.
D
EXIGENCIAS QUE PLANTEA EL ARM
La base: selección inicial de buenos predictores.
* Lo que no entre en el estudio, nunca podrá salir.
Cumplimiento de los supuestos paramétricos
§ Independencia entre los predictores
§ Evitar la multicolinealidad
• Relación lineal entre las variables
• En ocasiones, solo es un supuesto no probado
• Homoscedasticidad
• Nivel de medida de intervalo
• Tema polémico, ya estudiado en otros análisis
© R. Pérez Juste
EXIGENCIAS QUE PLANTEA EL ARM
© R. Pérez Juste
5.
PARA QUÉ TIPO DE
PROBLEMAS
PARA QUÉ TIPO DE PROBLEMAS
INVESTIGACIÓN
• Identificar las variables antecedentes que mejor
predicen una variable criterio
• Seleccionar el conjunto de variables que
optimizan la predicción del criterio.
APLICACIÓN
• Identificar sujetos en riesgo por medio de la
predicción
• Utilidad: aplicar tratamientos pedagógicos
adecuados
© R. Pérez Juste
6.
CÓMO SE REALIZA EL
PROCESO
CÓMO SE REALIZA EL PROCESO
INVESTIGACIÓN
• Documentarse para la selección inicial de variables
predictoras del criterio (estado de la cuestión)
• Medirlas con instrumentos fiables y válidos
• Comprobar que se cumplen los supuestos
• Obtener la matriz de correlaciones entre las variables
© R. Pérez Juste
CÓMO SE REALIZA EL PROCESO
INVESTIGACIÓN
• Seleccionar los mejores predictores (procedimiento
paso a paso -“stepwise regression” )
© R. Pérez Juste
7.
CÓMO SE INTERPRETA
CÓMO SE INTERPRETA
• R² = D; coeficiente de determinación
• D x 100 = % de varianza del Criterio explicada
• R² tiende a sobreestimar el verdadero valor en la población. Por ello
se recomienda Ra² (R² ajustado)
Ra² = (n-1)R² - p / n – p - 1
• p = número de variables predictoras
• n = número de sujetos de la muestra
• Alternativa a R²= análisis de las distancias a los valores
predichos con la ecuación de regresión
• Tomar las medidas pedagógicas adecuadas
© R. Pérez Juste
CÓMO SE INTERPRETA
• Primer objetivo: el ARM nos informa:
• Sobre la calidad de las variables inicialmente hipotetizadas como
predictoras del criterio
• Podemos haber seleccionado variables que no están suficientemente
correlacionadas
• Podemos haber dejado fuera variables altamente relacionadas
• De las que mejor predicen el criterio
• Del peso de estas variables predictoras
© R. Pérez Juste
Concluyendo
La regresión múltiple permite seleccionar los mejores predictores de un criterio y
construir la mejor ecuación de regresión a partir de los predictores
inicialmente seleccionados.
Mediante la correlación múltiple podemos predecir los valores de la variable
criterio.
Esta predicción nunca será perfecta, pero mejorará la realizada por la correlación
simple.
Cualquier predicción implica aceptar que el valor predicho es una estimación del
verdadero valor para un determinado grado de seguridad, y debe ser
interpretado en términos de probabilidad.
De ahí la necesaria prudencia al utilizar estas técnicas para la toma de decisiones
sobre las personas.
© R. Pérez Juste
AUTOCONTROL
AUTOCRONTROL
1. Entre las actuaciones que pueden mejorar la predicción, aquí
nos hemos centrado en:
© R. Pérez Juste
AUTOCRONTROL
11. Entre los supuestos exigibles por esta técnica hemos citado un tipo
de relación entre las variables, en concreto:
12. Entre los problemas para los que se aplica la regresión múltiple
hemos citado el de la identificación de:
© R. Pérez Juste
AUTOCRONTROL
16. En principio, la inclusión de predictores en la ecuación de regresión
continua mientras el valor de R:
© R. Pérez Juste
BIBLIOGRAFÍA
RECOMENDADA
BIBLIOGRAFIA RECOMENDADA
MARTÍNEZ ARIAS, R (1999) El análisis multivariante en la
investigación científica. Madrid: Editorial La Muralla
ETXEBERRIA, J y otros (1999) Regresión múltiple. Madrid:
Editorial La Muralla
LEWIS-BECK,M.S. (1980) Applied regression. An
Introduction. A Sage University Paper
BISQUERRA ALZINA, R. (1989) Introducción conceptual al
análisis multivariable, Barcelona: PPU
SÁNCHEZ CARRIÓN, J.J. (1984) Introducción a las técnicas
de análisis multivariable aplicadas a las ciencias sociales.
Madris: CIS
© R. Pérez Juste
© R. Pérez Juste