Está en la página 1de 13

Simulacro de examen Estadstica Multivariada 1 parte (Tcnicas de dependencia): Le han pedido que estudie la evaluacin de un poltico que desea

saber qu factores influyen en mayor grado sobre la opinin que se tiene de l as como que posibilidad tendra de elegirse para otro puesto en base a que tanto la gente volvera a votar por l (confirmacin de voto). Toda esta informacin est en la base de datos: Evaluacin gobernante.sav. Tareas 1.-Va a calcular una regresin de las variables honesto a probedo como variables independientes sobre la variable califica como variable independiente.

GET FILE='E:\diplomado ESTADISTICA APLICADA\Modulo V Analisis_Multivariante\Bases de datos\evaluacin gobernante.sav'. DATASET NAME Conjunto_de_datos1 WINDOW=FRONT. REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT califica /METHOD=ENTER honesto exper btomdec beqcol supequi abtodia comp clara probedo /SCATTERPLOT=(*ZRESID ,*ZPRED) /RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID) /CASEWISE PLOT(ZRESID) OUTLIERS(3).

Regresin
Estadsticos descriptivos Desviacin Media califica opinin general honesto honesto exper con experiencia btomdec buen tomador de decisiones beqcol integrado buen equipo de colaboradores supequi supervisado efectivamente a su equipo abtodia abierto al dialogo comp informacin completa clara informacin clara probedo informacin relevante 3.176 2.934 2.944 3.004 .8846 .6531 .7811 .7328 500 500 500 500 2.816 .7971 500 2.78 .841 500 2.672 3.202 3.400 3.128 tpica .8281 .7391 .7078 .7828 N 500 500 500 500

ESTABILIDAD DE RESULTADOS, Indicador tamao de la muestra, Preferentemente tamaos de muestra de 400 ms, en este caso 500, es estable. GENERALIZACIN DE HALLAZGOS, Implica la existencia de casos faltantes, y puede la generalizacin tener problemas, Indicador comparar la n con el total de casos recolectados, Preferentemente no debe de haber ms del 5% de faltantes. En el ejemplo no hay faltantes y los resultados son generalizables.

CORRELACIONES
Correlaciones

beqcol integrado supequi supervisado efectivament e a su equipo abtodia abierto al dialogo comp informacin completa clara informacin clara probedo informacin relevante

Correlacin de Pearson
califica opinin general honesto honesto exper con experiencia

btomdec buen tomador de decisiones

buen equipo de colaborador es

califica opinin general honesto honesto exper con experiencia btomdec buen tomador de decisiones beqcol integrado buen equipo de colaboradores supequi supervisado efectivamente a su equipo abtodia abierto al dialogo comp informacin completa clara informacin clara probedo informacin relevante

1.000 .626 .576 .584 .447

.626

.576

.584

.447

.494

.585

.356

.402

.379

1.000

.539

.444

.334

.383

.500

.372

.398

.357

.539

1.000

.475

.356

.354

.511

.356

.381

.329

.444

.475

1.000

.494

.510

.520

.350

.359

.376

.334

.356

.494

1.000

.650

.360

.316

.381

.301

.494

.383

.354

.510

.650

1.000

.489

.285

.379

.379

.585 .356 .402 .379

.500

.511

.520

.360

.489

1.000

.305

.336

.348

.372

.356

.350

.316

.285

.305

1.000

.527

.369

.398

.381

.359

.381

.379

.336

.527

1.000

.410

.357

.329

.376

.301

.379

.348

.369

.410

1.000

LINEALIDAD EN LA RELACIN DE LA VAR DEPENDIENTE CON LAS INDEPENDIENTES, Indicador, correlacin de Pearson, entre la VD y VI; Norma de interpretacin, no deben dominar los coeficientes cercanos a cero, En este caso son al menos moderadas de 0.379, podemos asumir linealidad.

Variables introducidas/eliminadas Modelo Variables introducidas 1 probedo informacin relevante, beqcol integrado buen equipo de colaboradores, exper con experiencia, comp
di

Variables eliminadas Mtodo . Introducir

informacin completa, abtodia abierto al dialogo, clara informacin clara, honesto honesto, btomdec buen tomador de decisiones, supequi supervisado efectivamente a su equipo
a

me

nsi

on

a. Todas las variables solicitadas introducidas. b. Variable dependiente: califica opinin general

Resumen del modelo Modelo R


di

R cuadrado R cuadrado
a

Error tp. de la estimacin .5404 Durbin-Watson 1.891

corregida .574

.763

.582

me

nsi

on

a. Variables predictoras: (Constante), probedo informacin relevante, beqcol integrado buen equipo de colaboradores, exper con experiencia, comp informacin completa, abtodia abierto al dialogo, clara informacin clara, honesto honesto, btomdec buen tomador de decisiones, supequi supervisado efectivamente a su equipo b. Variable dependiente: califica opinin general

CUANTO DE LA VARIABLE DEPENDIENTE EXPLICAN LAS VARIABLES INDEPENDIENTES. Indicador R2 corregida, que va de cero a uno, Norma de interpretacin, valores alrededor de 0.3, explicacin dbil; alrededor de 0.5 aceptable; 0.7 fuerte; En el ejemplo explicamos el 57.4% de la varianza lo podemos considerar aceptable.

ANOVA Modelo Suma de cuadrados 1 Regresin Residual Total 199.133 143.075 342.208 gl

Media cuadrtica 9 490 499 22.126 .292 F 75.776 Sig. .000


a

a. Variables predictoras: (Constante), probedo informacin relevante, beqcol integrado buen equipo de colaboradores, exper con experiencia, comp informacin completa, abtodia abierto al dialogo, clara informacin clara, honesto honesto, btomdec buen tomador de decisiones, supequi supervisado efectivamente a su equipo b. Variable dependiente: califica opinin general

ANOVA, que tanto en conjunto las variables independientes explican un porcentaje de varianza diferente de cero, el indicador es la significacin, La norma de interpretacin 0.05 para abajo. Al ser el nivel de significacin cercano a cero se est explicando el 57.4% DE LA VARIANZA ES DIFERENTE DE CERO

Coeficientesa Modelo Coeficientes no estandarizados B 1 (Constante) honesto honesto exper con experiencia btomdec buen tomador de decisiones beqcol integrado buen equipo de colaboradores supequi supervisado efectivamente a su equipo abtodia abierto al dialogo comp informacin completa clara informacin clara probedo informacin relevante a. Variable dependiente: califica opinin general Error tp. .151 .043 .045 .041 .290 .170 .194 Coeficientes tipificados Beta t -5.175 7.637 4.451 4.965 Sig. .000 .000 .000 .000 Estadsticos de colinealidad Tolerancia FIV

-.779 .325 .199 .206 .060

.592 .584 .557


.523

1.690 1.713 1.797

.040

.061

1.499

.134

1.913

.082

.044

.079

1.862

.063

.474

2.108

.161 .000 .033 .028

.037

.172

4.416

.000

.561
.658

1.783

.046 .040 .039

.000 .031 .025

.008

.994 .411 .468

1.519

.823 .726

.610 .719

1.640 1.391

Efectos predictivos de la regresin, Indicador la B y su error estndar, Norma de Interpretacin, el valor de B debe ser >2error estndar, en cuatro de las variables se cumple: honesto, con experiencia, buen tomador de decisiones, y abierto al dialogo, son las variables relevantes para predecir la opinin general. Comparacin de efectos, el indicador se llama Beta estandarizada y sirve para comparar los efectos de las variables sin importar en que escala estn medidos. De -1 a 1, normalmente valores inferiores 0.10 ya no se comentan. Y se ordenan por su valor. Honesto, buen tomador de decisiones, y abierto al dialogo, con experiencia, se repiten los resultados de las variables de los efectos predictivos de la regresin. La significacin de los efectos, que tanto los efectos de las variables independientes son estadsticamente diferentes de cero, Norma de Interpretacin. >0.05, LA CONSTANTE NO SE INTERPRETA. Honesto, buen tomador de decisiones, y abierto al dialogo, con experiencia, se repiten los resultados de las variables de los efectos predictivos de la regresin y de comparacin de efectos. Multicolinealidad, que tanto las VI estn relacionadas entre ellas, TOL, y FIV, dado que ninguna Tol < 0.47 y FIV < 2.1 Podemos afirmar que no hay problemas de multicolinealidad.

Diagnsticos de colinealidada

Model o

Dimensi n

Proporciones de la varianza

beqcol integrado btomdec buen Autovalor es ndice de condicin (Constant e) honesto honesto exper con experiencia tomador de decisiones buen equipo de colaborador es supequi supervisado efectivament e a su equipo abtodia abierto al dialogo comp informacin completa clara informacin clara probedo informacin relevante

1
d

9.680

1.000

.00

.00

.00

.00

.00

.00

.00

.00

.00

.00

2
i

.072

11.565

.02

.01

.01

.01

.25

.13

.00

.04

.03

.03

3
m

.055

13.277

.00

.03

.02

.03

.08

.00

.30

.05

.17

.02

4
e

.038

16.028

.00

.03

.02

.00

.03

.04

.00

.03

.10

.76

5
n dimension1

.035

16.584

.12

.02

.05

.04

.07

.05

.28

.01

.38

.00

.029

18.258

.02

.22

.02

.72

.01

.09

.00

.03

.01

.00

.026

19.167

.10

.22

.02

.10

.01

.05

.14

.40

.15

.04

8
n

.024

20.005

.03

.03

.02

.10

.52

.55

.21

.00

.00

.12

9
0

.022

20.848

.23

.38

.23

.00

.01

.00

.00

.31

.13

.01

10

.018

23.387

.48

.05

.62

.01

.03

.09

.07

.12

.04

.02

a. Variable dependiente: califica opinin general

Diagnsticos por caso Nmero de casos Residuo tp.


dimension0

califica opinin general .0

Valor pronosticado 2.053 Residual -2.0533

446

-3.800

a. Variable dependiente: califica opinin general

UN SOLO CASO ATIPICO El diagnstico por caso, permite observar si la regresin predice mal con mucho error, indicador el nmero de casos, no se deben tener ms del 5% de ellos, En este caso tenemos el 0.2%, por lo tanto, nuestra regresin est bien.

Estadsticos sobre los residuos

Desviacin Mnimo Valor pronosticado Residual Valor pronosticado tip. Residuo tp. .343 -2.0533 -3.686 -3.800 Mximo 3.596 1.4642 1.463 2.710 Media 2.672 .0000 .000 .000 tpica .6317 .5355 1.000 .991 N 500 500 500 500

a. Variable dependiente: califica opinin general

Grficos

Distribucin Normal del Error, Indicado El Grafico P-P, Norma de interpretacin, la lnea gruesa debe transponerse sobre la delgada, si lo hace de manera completa, asumimos normalidad del error, y si lo hace con pequeas desviaciones, podemos asumir aproximacin a la normalidad. En este caso el error asumimos una aproximacin a la normalidad, CONSIDERANDO QUE LA VARIABLE DEPENDIENTE ES ORDINAL

HOMOGENEIDAD DE LA VARIANZA DEL ERROR, INDICADOR GRFICO DE DISPERSIN ENTRE LOS VALORES PREDICHOS Y LOS ERRORES, Norma de Interpretacin, los puntos deben distribuirse de manera aleatoria en torno al punto cero, y de preferencia no exceder el -2 a 2. En este caso no podemos asumir la homogeneidad de la varianza del error.

Una vez que tenga esto comentado aplique un procedimiento de regresin por pasos sucesivos y comente el resumen del modelo y el cuadro de coeficientes. Resumen del modelo Modelo R 1
di

R cuadrado R cuadrado
a b c

Error tp. de la estimacin .6466 .5816 .5586 .5464 .5406 1.893 Durbin-Watson

corregida .390 .507 .545 .565 .574

.626 .713

.392 .509 .548 .568 .578

2
me nsi

3 4 5

.740 .754 .760

d e

on

a. Variables predictoras: (Constante), honesto honesto b. Variables predictoras: (Constante), honesto honesto, btomdec buen tomador de decisiones c. Variables predictoras: (Constante), honesto honesto, btomdec buen tomador de decisiones, abtodia abierto al dialogo d. Variables predictoras: (Constante), honesto honesto, btomdec buen tomador de decisiones, abtodia abierto al dialogo, exper con experiencia e. Variables predictoras: (Constante), honesto honesto, btomdec buen tomador de decisiones, abtodia abierto al dialogo, exper con experiencia, supequi supervisado efectivamente a su equipo f. Variable dependiente: califica opinin general

El modelo 5 de pasos sucesivos, no mejora la capacidad predictiva, la cual se mantiene igual con el 57.4%

Coeficientesa Modelo Coeficientes no estandarizados B 5 (Constante) honesto honesto btomdec buen tomador de decisiones abtodia abierto al dialogo exper con experiencia supequi supervisado efectivamente a su equipo a. Variable dependiente: califica opinin general .214 .127 .044 .037 .183 .122 4.854 3.410 .000 .001 .603 .663 1.658 1.508 .160 .036 .171 4.388 .000 .566 1.768 -.703 .337 .225 Error tp. .136 .042 .040 .301 .213 Coeficientes tipificados Beta t -5.172 8.102 5.611 Sig. .000 .000 .000 .620 .593 1.614 1.686 Estadsticos de colinealidad Tolerancia FIV

Efectos predictivos de la regresin, Indicador la B y su error estndar, Norma de Interpretacin, el valor de B debe ser >2error estndar, en todas las variables se cumple. Comparacin de efectos, el indicador se llama Beta estandarizada y sirve para comparar los efectos de las variables sin importar en que escala estn medidos. De -1 a 1, normalmente valores inferiores 0.10 ya no se comentan. Se repiten los resultados de las variables de los efectos predictivos de la regresin. La significacin de los efectos, que tanto los efectos de las variables independientes son estadsticamente diferentes de cero, Norma de Interpretacin. >0.05, LA CONSTANTE NO SE INTERPRETA. Todas las variables son significativas. Multicolinealidad, que tanto las VI estn relacionadas entre ellas, TOL, y FIV, dado que ninguna Tol < 0.566 y FIV <2. Podemos afirmar que no hay problemas de multicolinealidad.

2.-Va a calcular un discriminante que utilice las variables honesto a probedo como variables independientes utilizando la variable confirma como variable de agrupacin (tiene los valores 0 para no confirma y 1 para si).