Gua: EDAD Y COMPRENSIN LECTORA

Preguntas Control

1 Interpretar R
(Para la correcta interpretacin de R debes hacer mencin a la magnitud y direccin de
la relacin entre las variables)

La correlacin existente entre la variable independiente (edad) y la variable

dependiente (comprensin lectora) es de
magnitud alta (R= .97). La
direccin de la relacin entre las variables (que se puede determinar por el
signo del coeficiente de regresin no estandarizado) es directamente
proporcional, es decir a medida que se tiene ms edad, mejor es la
comprensin lectora.

2 Interpretar la significacin estadstica del modelo

[En esta pregunta debes sealar si es posible descartar el azar (error muestral) como
posible explicacin de la relacin entre la VI y la VD. Cuando p>0.05 el resultado no es
estadsticamente significativo, por tanto, no se puede descartar el azar, R=O; cuando
p<0.05, el resultado es estadsticamente significativo, por lo que descartamos el azar,
R0] [p=sig.]

La correlacin (R) entre la variable edad y comprensin lectora

es
estadsticamente significativa (R=.97, p=.000) es decir, esta relacin no se
debe al azar (o error muestral). Se puede afirmar que esta relacin es
significativamente distinta de cero. En otras palabras, si se replica este
estudio, en una muestra el mismo tamao y con similares caractersticas, lo
ms probable es que tengamos una correlacin distinta de cero.
3 Interpretar la Valoracin del modelo (R)
[Debes hacer mencin a la reduccin proporcional del error o varianza explicada]

Se disminuye en un 94% el error de prediccin (es decir, las diferencias entre

los valores observados y predichos de la VD), al utilizar nuestra norma de
prediccin en lugar de usar solo el promedio de la VD como predictor. Esto
quiere decir que si conocemos la edad de una persona podremos
estimar su nivel de comprensin lectora de manera mucho ms
precisa que si consideramos el promedio de comprensin lectora de la
muestra total para hacer tal prediccin (o estimacin).
Un indicador de R tambin lo podemos observar en la tabla ANOVA en la que
se puede apreciar que el error (Total= 135,652) que cometemos al realizar las
predicciones utilizando el promedio de la VD es mayor que el error (Residual=
8,498) que cometemos al realizar las estimaciones con nuestro modelo.
4 Identificar el modelo
Y= 0,845 + (0,174)(Xi)
5 Aplicar el modelo
Y= 0,845+(0,174)(6) 1,89
Y= 0,845+(0,174)(24)5,02
Y= 0,845+(0,174)(50)9,54
De acuerdo con lo visto anteriormente, podemos decir que efectivamente a
medida que se tiene ms edad, la comprensin lectora aumenta. Por ejemplo,
en la primera prediccin realizada se puede sealar que una persona que tenga
6 aos tendr un nivel de comprensin lectora predicha de 1,89, lo cual es
bajo si se considera que la escala de medida de esta variable es de 0-10.

6 Interpretar a
De acuerdo a este modelo, a es el valor (constante) que va a tomar mi
prediccin cuando X vale 0, es decir, el valor mnimo que puedo predecir. En
otras palabras, a es el valor de Y cuando X vale 0, por tanto, cuando la edad
de la persona sea 0 su nivel de comprensin lectora ser de 0,845, lo
cual implica una comprensin baja.
7 Interpretar b
De acuerdo a este modelo, b nos indica en cunto aumenta mi prediccin a
medida que la variable independiente aumenta 1 unidad. En este caso, la
comprensin lectora aumenta en 0,17 puntos a medida que las
personas aumentan 1 ao de edad.
8 Interpretar la significacin de estadstica de b
El coeficiente beta result estadsticamente significativo, ello implica que, el
aumento en compresin lectora de 0,17 puntos, debido a la edad, no se debe
al azar. Este coeficiente, es significativamente distinto de cero. Lo que significa
si se vuelve a aplicar este estudio a otro grupo de personas de similares
caractersticas, lo ms probable es que el coeficiente beta vuelva a ser
estadsticamente significativo.
[Si b resulta no significativo quiere decir que el aumento de Y debido al
impacto de X, es cero]
9 Interpretar Grfico
La norma de prediccin utilizada reduce en un 94% los valores observados de
los predichos de la VD. Si analizamos la recta de prediccin, podemos ver que
los datos observados difieren muy poco de los datos predichos.

Gua N 2: DEPRESIN Y AUTOESTIMA

Analizar la capacidad predictiva de la variable autoestima sobre la depresin.
La autoestima esta medida en una escala de 0 a 10 (donde cero implica nada
de autoestima y 10 mucha autoestima), y la depresin est en una escala de 0
a 20 (donde cero implica que no hay depresin y 20 mucha depresin)
1 Interpretar R
La correlacin existente en la variable dependiente (Depresin) y la variable
independiente (autoestima), es de magnitud moderadamente fuerte (R=0.72)
entre las variables. En este caso tenemos que la direccin de la relacin entre
las variables (que se puede determinar por el signo del coeficiente de regresin
no estandarizado -1,47) es inversamente proporcional es decir que a
medida que se tienen ms autoestima, menor ser la depresin.
2 Interpretar la significacin estadstica del modelo.
La correlacin (R) entre la variable autoestima y depresin es estadsticamente
significativa (R= ,72, p=,000) es decir, esta relacin no se debe al azar (error
muestral). Se puede afirmar que esta relacin es significativamente distinta a
cero. En otras palabras, si se replica este estudio, en una muestra de mismo
tamao y con similares caractersticas, lo ms probable es que tengamos una
correlacin distinta de cero.
3 Interpretar la Valoracin del modelo
Se disminuye en un 51% el error de prediccin (es decir, las diferencias entre
los valores observados y predichos de la VD), al utilizar nuestra norma de
prediccin en lugar de solo usar el promedio de la VD como predictor. Esto
quiere decir que si conocemos la autoestima de una persona,
podremos estimar su nivel de depresin, de manera mucho ms
precisa que si consideramos solo el promedio de depresin de la
muestra total para hacer tal prediccin o estimacin. Otro indicador de
R (varianza explicada), se puede observar en ANOVA, en la que se puede
apreciar que el error (Total= 1305,87) que cometemos al realizar predicciones
utilizando el promedio de la VD es mayor que el error (Residual=637,22) que
cometemos al realizar las estimaciones con nuestro modelo.
4 Identificar el modelo
Y= 17,39 + (-1,47)(xi)
5 Aplicar el modelo
Y= 17,39+(-1,47)(2) 14,45
Y= 17,39+(-1,47)(6)8,57
Y= 17,39+(-1,47)(10)2,69
De acuerdo con lo visto anteriormente, podemos decir que efectivamente a
medida que se tiene mayor autoestima, la depresin disminuye. Por ejemplo,
en la primera prediccin realizada se puede sealas que una persona que
tenga una autoestima de dos puntos tendr una depresin predicha de 14,5
puntos, lo cual es medio si se considera que la escala de medida de esta
variable es de 0-20.
6 Interpretar A

De acuerdo a este modelo, a es el valor (constante) que va a tomar mi

prediccin cuando x vale 0, que en este caso es el valor mximo que puedo
predecir, debido a que tenemos una correlacin inversamente proporcional. En
otras palabras, a es el valor de Y cuando X vale 0 , por tanto, cuando el nivel
de autoestima de la persona es 0, su nivel de depresin ser de 17,4,
lo cual implica una depresin alta.

7 Interpretar b
De acuerdo a este modelo, b nos indica en cunto disminuye mi prediccin a
medida que la variable independiente aumenta 1 unidad. En este caso, la
depresin disminuye en -1,42 puntos a medida que la autoestima
aumenta en una unidad.
8 Interpretar la significacin de estadstica de b
El coeficiente beta resulto estadsticamente significativo, ello implica que, la
disminucin de la depresin de -1,47, debido al aumento de la autoestima, no
se debe al azar. Este coeficiente, es significativamente distinto de cero. Lo que
significa si se vuelve a aplicar este estudio a otro grupo de personas de
similares caractersticas, lo ms probable es que el coeficiente beta vuelva a
ser estadsticamente significativo.
9 Interpretar Grafico
La norma de prediccin utilizada reduce en un 51% los valores observados de
los predichos. Si analizamos la recta de prediccin, podemos ver que los datos
observados difieren de forma moderada de los datos predichos.