Regresiones

Análisis de regresión simple

El análisis de regresión es una técnica que estudia la relación entre variables
cuantitativas. Su uso más habitual es la predicción (aunque, como luego veremos,
tiene más utilidades), de tal forma que a través del análisis de regresión es posible
predecir una o varias variables a partir del conocimiento de otra u otras
relacionadas. Las variables predictoras (o explicativas) son las independientes y
las pronosticadas (o explicadas) son las dependientes.
La situación más sencilla se da cuando sólo hay una variable Independiente y otra
dependiente: entonces se llama Análisis de Regresión Simple; si son más
variables independientes es el Análisis de Regresión Múltiple. Y sí, como vimos
en el apartado anterior, la relación es lineal, tenemos una Análisis de regresión
lineal (simple o múltiple).
Veamos un poco la lógica del Análisis de Regresión. Si tenemos dos variables
cuantitativas sobre una misma muestra, podemos representarlas gráficamente
mediante un gráfico de dispersión.

Sí estas variables están relacionadas, la nube de puntos que se genera tendrá

una forma alargada. La recta que mejor se ajusta a esos puntos, que minimiza las
distancias, es la llamada Recta de regresión. Dicha recta, como cualquier recta en
el plano, puede escribirse algebraicamente como:
en donde: y es la variable dependiente, a es el punto de corte con el eje y (o
intercepto), b es la pendiente, y x es la variable independiente.

De esta forma, si sabemos la ecuación de regresión que determina la relación de

una variable con otra, es posible predecir una variable en función de la otra. Así,
si la ecuación es "y=3+2x" y "x” es 3, "y" tomará el valor de 9.
Como los puntos no se ajustan completamente a la recta, en realidad habrá que
considerar ese elemento como el error. De esta forma, la ecuación de regresión
se denota formalmente:

Con esta información, podemos hacer un trabajo práctico. e.5.5. Determina la

ecuación de regresión que ayude a predecir el Rendimiento en Matemáticas de
los estudiantes (variable dependiente) a partir de su Rendimiento en Lengua
Si un estudiante ha obtenido 50 puntos en Lengua, ¿qué rendimiento se predice
que tendrá en Matemáticas? El procedimiento es análogo a lo visto:
Analizar-> Regresión -> Lineales. E Incluimos Rendimiento en Matemáticas como
variable dependiente, y Rendimiento en Lengua como Independiente.
Los resultados son los siguientes:
Análisis de regresión múltiple
Una sola variable independiente hace una pobre predicción de la variable
independiente, por lo que lo habitual es utilizar varias de ellas, es esta forma
tenemos el Análisis de Regresión Múltiple. La esencia es la misma, la única
diferencia es que la ecuación de regresión no es de una recta, sino de un
hiperplano en un espacio de múltiples dimensiones. Matemáticamente se expresa
así:

Donde cada β es la pendiente de cada variable x. Veámoslo con un ejemplo.

Estima la ecuación de regresión múltiple para Rendimiento en Matemáticas como
variable dependiente y Nivel socio-económico de las familias, actitud hacia las
Matemáticas y satisfacción con la escuela y género como independientes.
Métodos de selección de variables
El SPSS permite utilizar diferentes métodos para seleccionar qué variables
independientes incluir en el modelo de regresión y en qué orden. Por defecto,
utiliza el método introducir, pero hay más.
 No-colinealidad. No existencia de una relación lineal entre ninguna ni las
variables independientes. Se estudia mediante la opción "Diagnóstico de
colinealidad" en Regresión -> Lineal-> Estadísticos.