Estadstica.

Quinto ejercicio

Correlacin y regresin. Intro

Abre el fichero de personas que se van a operar en http://www.uv.es/mperea/b1ad.sav
1. Efecta la correlacin de Pearson entre bienestar antes y despus de la
operacin, no sin antes observar el diagrama de dispersin. Indica la recta de
regresin (en puntuaciones directas, diferencias y tpicas) de bienestar despus
de la operacin a partir de bienestar antes de la operacin.
Primero se realiza el diagrama de dispersin (Xbienestar antes; Y-bienestar
despus). En men de Grficos:

La relacin es lineal yobservar la puntuacin que se aleja un poco

del resto en la esquina superior derecha.

Y ahora es ir a Analizar-Correlaciones-Bivariadas e introducir las dos variables:

Correlaciones
bienesta

bienestd

Correlacin de Pearson
Sig. (bilateral)
N
Correlacin de Pearson
Sig. (bilateral)
N

bienesta
1

bienestd
.887**
.000
20
20
.887**
1
.000
20
20

**. La correlacin es significativa al nivel 0,01 (bilateral).

El ndice de correlacin de Pearson entre ambas variables es 0887

(que refleja una fuerte relacin lineal positiva). Las personas con altos
valores de bienestar antes de la operacin tienden a tener altos
valores de bienestar tras la operacin, y las que tienen bajos valores
de bienestar antes de la operacin tienden a tener bajos valores de
bienestar tras la operacin.
Para efectuar la recta de regresin de bienestar_despus
(var.dependiente en SPSS) a partir del predictor bienestar_antes
(var.independiente en SPSS), hay que ir a Analizar-Regresin-Lineal:

Los coeficientes son:

Coeficientesa

Modelo
1

(Constante)
bienesta

Coeficientes no
estandarizados
B
Error tp.
2.376
1.954
.924
.113

Coeficientes
estandarizad
os
Beta
.887

t
1.216
8.170

Sig.
.240
.000

a. Variable dependiente: bienestd

Para la recta en punt.directas (Y=A+BX) es mirar los coeficientes no

estandarizados:
BIENESTD=2376+0924*BIENESTA
(alguien con BIENESTA de 0 se le predice un BIENESTD de 2376; y
por cada una unidad de BIENESTA, se predice un aumento de
BIENESTD de 0924.)
La recta en punt.diferenciales es igual a la de punt.directas excepto
que la constante es cero (y se expresa en minsculas):
bienestd=0924*bienesta
La recta en punt.tpicas tiene tambin constante de 0, y la pendiente
es precisamente el coef.correlacin de Pearson (vase coeficientes
tipificados)
zbienestd=0887*zbienesta

2. dem para bienestar antes de la operacin y apoyo social. Indica la recta de

regresin (en puntuaciones directas, diferencias y tpicas) de bienestar antes de
la operacin a partir de apoyo social.
El proceso es anlogo al anterior. Se indica el output de SPSS
El coeficiente de correlacin de Pearson est en la tabla siguiente (tras el
diagrama de dispersin):

Correlaciones
bienesta

apo_soc

Correlacin de Pearson
Sig. (bilateral)
N
Correlacin de Pearson
Sig. (bilateral)
N

bienesta
1

apo_soc
.865**
.000
20
20
.865**
1
.000
20
20

**. La correlacin es significativa al nivel 0,01 (bilateral).

La relacin entre ambas variables es lineal, positiva y, como en la

pregunta 1, es una relacin muy fuerte. Por tanto, una puede ser
empleada para predecir la otra.

Los coeficientes de la recta estn en la tabla siguiente:

Coeficientesa

Modelo
1

(Constante)
apo_soc

Coeficientes no
estandarizados
B
Error tp.
6.491
1.509
1.390
.190

a. Variable dependiente: bienesta

Coeficientes
estandarizad
os
Beta
.865

t
4.302
7.309

Sig.
.000
.000

En la columna B tenemos los coeficientes de la recta de regresin

en punt.directas (la ordenada en el origencoef de la constante;
pendientecoeficiente de apo_soc). En el caso de punt.tpicas,
mirar los coeficientes estandarizados (que en caso de regr.lineal
simple la pendiente coindice con el coef.Pearson).

3. dem para bienestar antes de la operacin y nivel de informacin. Indica la recta

de regresin (en puntuaciones directas, diferencias y tpicas) de bienestar antes
de la operacin a partir de nivel de informacin.
Idem para las preguntas 1 y 2. Obsrvese aqu que la relacin es
(aproximadamente) lineal y es positiva, pero ciertamente ms dbil que en las
preguntas anteriores.

El coef.Pearson est en la tabla siguiente:

Correlaciones
bienesta

niv_info

Correlacin de Pearson
Sig. (bilateral)
N
Correlacin de Pearson
Sig. (bilateral)
N

bienesta
1
20
.554*
.011
20

niv_info
.554*
.011
20
1

*. La correlacin es significante al nivel 0,05 (bilateral).

20

Y la recta de regresin se extrae de la tabla siguiente:

Coeficientesa

Modelo
1

(Constante)
niv_info

Coeficientes no
estandarizados
B
Error tp.
7.000
3.455
1.000
.354

Coeficientes
estandarizad
os
Beta
.554

t
2.026
2.826

Sig.
.058
.011

a. Variable dependiente: bienesta

4. Indica el coeficiente de regresin mltiple para bienestar antes de la operacin

en relacin a apoyo social y nivel de informacin tomadas conjuntamente. Indica
el plano de regresin (en puntuaciones directas, diferencias y tpicas) de
bienestar antes de la operacin a partir de apoyo social y nivel de informacin.
Ahora tenemos dos variables predictoras (variables independientes en SPSS), y
una variable criterio (la que queremos predecir). Vamos a Analizar-RegresinLineal y se introducen las variables, y en el output tenemos tanto el coeficiente
de regresin mltiple adecuado (R) como los coeficientes del plano de regresin:

El coeficiente R viene dado en el output:

Resumen del modelo

Modelo
1

R
.881a

R cuadrado
.777

R cuadrado
corregida
.750

Error tp. de la
estimacin
3.153

a. Variables predictoras: (Constante), apo_soc, niv_info

R=0881. Recordar que este ndice R va de 0 a 1 (no tiene signo, al

representar correlacin mltiple)
Y ahora los coeficientes del plano de regresin:
Coeficientesa

Modelo
1

(Constante)
niv_info
apo_soc

Coeficientes no
estandarizados
B
Error tp.
4.329
2.068
.346
.234
1.246
.208

Coeficientes
estandarizad
os
Beta
.192
.775

t
2.094
1.478
5.976

Sig.
.052
.158
.000

a. Variable dependiente: bienesta

Ecuacin en punt.directas---mirar los coef no estandarizados

BIENESTA=4329+0346*NIV_INFO+1246*APO_SOC
La ecuacin en punt.diferenciales es similar pero donde la constante
es 0:
bienesta=0346*niv_info+1246*apo_soc
Y para la ecuacin en punt.tpicas, mirar los coeficientes tipificados
(estandarizados):
zbienesta=0192*zniv_info+0775*zapo_soc

Observar que estos coeficientes tipificados no tienen unidades, por tanto se

pueden comparar las diferentes variables. Adems, varan entre -1 y +1 (salvo
circunstancias excepcionales de colinealidad), por tanto tienen una intepretacin
sencilla similar al coeficiente de Pearson. Por tanto apo_soc es mejor predictor
de bienensta que niv_info.
5. En la pregunta anterior, crees que empleando dos predictores se gana suficiente
precisin como para justificar ambos predictores? O preferiras quedarte con un
nico predictor? En este ltimo caso, indica cul y por qu.
Niv_info aporta poco (en particular en comparacin con niv_info); su
coeficiente en el plano es 0192.

Pero antes de tomar la decisin podemos ver si hubiera habido problemas de

colinealidadVamos pues a ver el Factor de Inflacin de la Varianza (FIV) que
podemos pedir en Estadsticos de la ventana de Regresin Lineal:

Si el FIV es superior a 10, entonces habra problemas de colinealidad en el

plano.
Coeficientesa

Modelo
1

(Constante)
niv_info
apo_soc

Coeficientes no
estandarizados
B
Error tp.
4.329
2.068
.346
.234
1.246
.208

Coeficientes
estandarizad
os
Beta
.192
.775

t
2.094
1.478
5.976

Sig.
.052
.158
.000

Estadsticos de
colinealidad
Tolerancia
FIV
.781
.781

a. Variable dependiente: bienesta

Sin embargo, no hay problemas de colinealidad (FIV es poco ms de

1).
Pero para decidir si dejamos o no niv_info como predictor podemos
hacer la regresin por pasos sucesivos en la ventana de Regresin
habra que cambiar la opcin por defecto de Introducir por Pasos
sucesivos.

1.280
1.280

El output de SPSS muestra que solamente apo_soc ha entrado en la ecuacin

de regresin:

6. a-Indica la ecuacin del hiperplano de regresin de bienestar despus de la

operacin a partir de nivel de informacin, apoyo social y edad.
Ahora tenemos 3 predictores:

El cuadro con los coeficientes es:

Coeficientesa

Modelo
1

(Constante)
niv_info
apo_soc
edad

Coeficientes no
estandarizados
B
Error tp.
4.494
3.745
.506
.416
1.100
.351
.010
.061

Coeficientes
estandarizad
os
Beta
.248
.629
.025

t
1.200
1.216
3.130
.162

Sig.
.249
.243
.007
.874

a. Variable dependiente: bienestd

En puntuaciones directas la ecuacin es:

BIENESTD=4494+0506*NIV_INFO+1100*APO_SOC+0010*EDAD
En punt.diferenciales:
bienestd=0506*niv_info+1100*apo_soc+0010*edad

Y en punt. Tpicas miramos los coeficientes tipificados

zbienestd=0248*zniv_info+0629*zapo_soc+0025*zedad

Recordar que estos coeficientes en punt.tpicas (que son correlaciones semiparciales) son los apropiados para comparar la fuerza de los predictores.

b-Indica qu predictores tienen una relacin directa con bienestar despus de la

operacin.

Es mirar el signo. En los 3 casos es positivo. A ms niv_info, ms bienestar. A ms

apo_soc, ms bienestar. A ms edad, ms bienestar.
c-Indica as mismo cul es el mejor predictor (y el segundo mejor predictor)y a
partir de qu informacin efectas la respuesta.

Est dicho antes. Miramos los coeficientes tipificados, y vemos el valor absoluto
(no el signo; el signo meramente dice si la relacin es positiva y positiva). El mejor
predictor es apo_soc, luego niv_info, y el peor es edad.

d-Indica el ndice de regresin mltiple, as como el porcentaje de varianza de

bienestar que explica el hiperplano de regresin.
Es mirar R (ndice de regresin mltiple) por una parte. Y el % de varianza
explicada de bienestar es mirar R2 (y expresar el dato en porcentaje en lugar de
proporcin)

Resumen del modelo

Modelo
1

R
.817a

R cuadrado
.668

R cuadrado
corregida
.602

Error tp. de la
estimacin
4.256

a. Variables predictoras: (Constante), edad, apo_soc, niv_info

R=0817. Y el % de varianza explicada que se pide es 668%.

e-Efecta la regresin por pasos sucesivos. Qu ecuacin de regresin quedar?

nicamente apo_soc entra en la ecuacin de regresin:

7. Indica el ndice de correlacin adecuado para medir la asociacin de gravedad de

la operacin y nivel educativo. Entre qu rango vara de manera genrica?
Indica el valor.
Ambas variables son ordinales. Se realizar el coeficiente de correlacin de
Spearman (en la misma ventana que el coef.de Pearson; yendo a AnalizarCorrelaciones-Bivariadas). Dicho ndice vara de -1 y +1 (como el coef.de
Pearson)

El output es:
Correlaciones
nivel_ed

gravedad

Correlacin de Pearson
Sig. (bilateral)
N
Correlacin de Pearson
Sig. (bilateral)
N

nivel_ed
1
20
.034
.888
20

gravedad
.034
.888
20
1
20

No hay prcticamente asociacin alguna entre nivel educativo y

gravedad (el coef.correlacin de Spearman es 0034)

8. Calcula el ndice de correlacin entre bienestar despus de la operacin y apoyo

social eliminando la influencia del nivel de informacin
Se trata de efectuar una correlacin parcial. La idea es que alguien podra decir
que la relacin entre bienestar_despus y apoyo_social podra estar contaminada
por nivel_informacin, y si se tienen dudas de ello, pues se pone
nivel_informacin como variable a controlar en la correlacin.
Ir a Analizar-Correlaciones-Parciales

El output es:
Correlaciones
Variables de control
niv_info

bienestd

apo_soc

Correlacin
Significacin (bilateral)
gl
Correlacin
Significacin (bilateral)
gl

bienestd
1.000
.
0
.694
.001
17

apo_soc
.694
.001
17
1.000
.
0

Recordemos que si no hubisemos controlado niv_info, el coef.de

corr. de Pearson era:
Correlaciones
bienestd

apo_soc

Correlacin de Pearson
Sig. (bilateral)
N
Correlacin de Pearson
Sig. (bilateral)
N

bienestd
1

apo_soc
.772**
.000
20
20
.772**
1
.000
20
20

**. La correlacin es significativa al nivel 0,01 (bilateral).

El hecho de controlar niv_info ha hecho decrecer ligeramente (de 077

sin controlar, a 0694 controlando) la relacin entre bienestar despus
y apoyo social..

9. Idem eliminando la influencia tanto del nivel de informacin como de la edad

El proceso es similar al de antes, aadiendo una nueva variable para controlar

El output es:
Correlaciones
Variables de control
niv_info & edad

bienestd

apo_soc

Correlacin
Significacin (bilateral)
gl
Correlacin
Significacin (bilateral)
gl

bienestd
1.000
.
0
.629
.007
15

apo_soc
.629
.007
15
1.000
.
0

En este caso, al aadir edad y niv_info, la relacin entre

bienestar_despus y apoyo social prcticamente no vara respecto a
cuando se controlaba el nivel_informacin nicamente (vase
pregunta anterior). Por tanto parece irrelevante en este caso que se
controle o no la variable edad.