SPSS:

1. ANÁLISIS DE LA VARIANZA; ANOVA DE UN FACTOR

Primero dar una hipótesis nula. Si rechazo hipótesis nula (suposición de partida), debo
concluir lo contrario a la hipótesis. Se representa como H0.
El promedio de la variable dependiente (H_Index) es igual en todos los factores, esto quiere
decir:
El promedio de H_Index es igual en todo el flujo.

INTERPRETAR DATOS:

Ultimo valor es significancia el cual permite aceptar o rechazar hipótesis, si es menor a 0.05
o 5%, se rechaza la hipótesis nula.
Con significancia = 0.028, significa que el promedio de L10 no es igual en todo el régimen.
CORRELACIONES BIVARIADAS
Elegir dos o mas variables, la hipótesis nula es que las variables no están correlacionadas.
Pearson variables numéricas o variables numéricas y nominales, y Spearman solo para
variables nominales.
Las variables L_10 y el H_Index no están correlacionadas.

INTERPRETAR DATOS

Sig. (bilateral) = significancia, el cual permite aceptar o rechazar hipótesis, si es menor a

0.05 o 5%, se rechaza la hipótesis nula.
REGRESION LINEAL:
Si se encuentra una correlación se realiza una regresión lineal, en donde se usan variables
dependientes (Y) e independientes (X) para obtener la ecuación.

Ejemplo logarítmico entre Leq y H_Index:

Y= c + log(bi*Xi)
H_Index= -40.19 + [11.47 * log (Leq)] todavía hay que verificar.
INTERPRETAR RESULTADOS:

Y = mx + b
H_Index=1.255 + (0.119*L90)
R2= 0.826
EJEMPLO 2:
Y=c + bi*Xi  Como formar la ecuación.
H_Index = -6.258 +(-0.057*L90) + (0.261*Leq)
R2= 0.991