TEMA 8

ANLISIS DE REGRESIN SIMPLE

Introduccin
- analizar la relacin entre dos variables cuantitativas, expresada mediante una
funcin matemtica
- predecir los valores de una variable (dependiente) a partir de los valores de otra
(independiente) ms fcil de observar y medir
- se puede determinar la fiabilidad de estas predicciones mediante determinados
estadsticos

Diagrama de dispersin o nube de puntos

- para representar los distintos pares de valores y dar una primera idea grfica
sobre las relaciones funcionales ms adecuadas entre las dos variables
- permite localizar datos anmalos que pueden distorsionar una buena relacin
funcional
- Grficos Dispersin

1
1.- Obtencin del diagrama de dispersin simple

2
2.- Manipulacin de un diagrama de dispersin
- desde las distintas opciones disponibles dentro de la ventana del Editor de
grficos (Diseo Opciones)

Correlaciones bivariadas
- para calcular el Coeficiente de Correlacin de Pearson y la Covarianza entre las
variables
- se pueden elegir diferentes opciones, como calcular la media y la desviacin
tpica para las variables seleccionadas o excluir pares de valores que incluyan
algn valor perdido
- Analizar Correlaciones Bivariadas

3
Slo cuando est activado el Coeficiente de Correlacin de Pearson, el botn Opciones
permite activar las opciones Medias y desviaciones tpicas y Productos cruzados y
covarianzas.

1 n
Covarianza: S xy ( xi x )( yi y ) S yx
n i 1

1 n n1 *
*
Con SPSS: S xy ( xi x )( yi y )
n 1 i 1
S xy
n
S xy

S xy
Coeficiente de correlacin Lineal: rxy ryx
Sx Sy

n 1 * *
S xy n
S xy S xy
Con SPSS: rxy Sx Sy

n 1 *
S x n1 S *y S x* S *y
n n

Propiedad: 1 rxy 1

Estimacin curvilnea
- distintos modelos de regresin: la regresin y = f(x) recibe diversos nombres
dependiendo de cmo sea la funcin f: lineal, cuadrtica, potencial, exponencial,
compuesta,

4
 - se realizan tantos estudios como variables dependientes se consideren: uno para
cada variable dependiente con la independiente
- Analizar Regresin Estimacin curvilnea

S e2 1 N
2
Coeficiente de Determinacin: R 1
S y2
2
con S e
n i 1
(ei e ) 2

Propiedad: 0 R2 1
N
R 2 1 S e2 0 (ei e ) 2 0 ei e 0 Dependencia funcional
i 1

R 2 0 S e2 S y2 es decir, la variable y no depende de x Independencia

En la prctica R2 en porcentaje: Y depende un R2% de X, o bien, X explica el R2% de Y.

Modelos de regresin (Tipos de funcin f ) [Denominacin en SPSS]:

Lineal [LINEAR]: y = b0 + b1x

Cuadrtica [QUADRATIC]: y = b0+b1x+b2 x2

Potencial [POWER]: y b0 x b1

5

Exponencial [COMPOUND = EXPONENTIAL = GROWING]
COMPUESTA = EXPONENCIAL = CRECIMIENTO

B0 e 1 e b0 b1X
bX
y B0 B1X
b b
sin ms que tomar B0 e 0 , B1 e 1

Ejemplos y ejercicios
- Ejemplos del tema 8: pp. 160, 165, 167
- Ejercicio 1, pg. 172, con archivo renta
- Ejercicio 2, pg. 173, con archivo caimanes
- Ejercicio 3, pg. 174, con archivo coches

6
 Repaso del Tema 8
Introduccin
- analizar la relacin entre dos variables cuantitativas, predecir los valores de la
variable dependiente a partir de los valores de la independiente y determinar la
fiabilidad de estas predicciones

Diagrama de dispersin o nube de puntos

- para representar los distintos pares de valores y dar una primera idea grfica
sobre las relaciones funcionales ms adecuadas entre las dos variables
- permite localizar datos anmalos que pueden distorsionar una buena relacin
funcional
1.- Obtencin del diagrama de dispersin simple
2.- Manipulacin de un diagrama de dispersin, desde el Editor de grficos

Correlaciones bivariadas
- para calcular el Coeficiente de Correlacin de Pearson y la Covarianza entre las
variables
- se pueden elegir diferentes opciones, como calcular la media y la desviacin
tpica para las variables seleccionadas o excluir pares de valores que incluyan
algn valor perdido

Estimacin curvilnea
- distintos modelos de regresin: la regresin y = f(x) recibe diversos nombres
dependiendo de cmo sea la funcin f: lineal, cuadrtica, potencial, exponencial,
compuesta,
- se realizan tantos estudios como variables dependientes se consideren: uno para
cada variable dependiente con la independiente

Ejemplos y ejercicios