REGRESIONES LINEALES Y NO LINEALES – SPSS, EXCEL Y ORANGE

Cuando los valores de una variable se modifican de modo sistemático con respecto
a los valores de la otra, se dice que existe una correlación no necesariamente causal
entre ambas. En otras palabras una correlación es la versión normalizada de la
covarianza, y en este sentido para el cálculo de relaciones lineales entre las
variables de la base de datos “Iris”, se usa en esta práctica el Coeficiente de
Correlación de Pearson, tras lo cual se procede a analizar y comparar los resultados
obtenidos en los programas SPSS y Excel.

Descriptores: Correlación de Pearson, relaciones lineales, matrices de correlación,

correlaciones bivariadas, SPSS.

Resultados en SPSS

Salida nro. 1

Resumen del modelob

Error
Modelo R R cuadrado R cuadrado estándar de
ajustado la estimación

1 ,366a ,134 ,124 15,342

a. Predictores: (Constante), talla en cm, Edad en años, peso en kg
b. Variable dependiente: nivel de masa ósea

La tabla anterior sugiere que:

Salida nro. 2

ANOVAa
Suma de gl Media F Sig.
Modelo
cuadrados cuadrática
1 Regresión 9173,963 3 3057,988 12,992 ,000b
Residuo 59314,658 252 235,376
Total 68488,621 255
 a. Variable dependiente: nivel de masa ósea
b. Predictores: (Constante), talla en cm, Edad en años, peso en kg

La tabla anterior sugiere que:

Salida nro. 3

Coeficientesa
Coeficientes no estandarizados Coeficientes t Sig.
estandarizados
Modelo
B Error
Beta
estándar
1 (Constante) 96,588 28,966 3,335 ,001
Edad en años -1,013 ,175 -,352 -5,784 ,000
peso en kg ,197 ,088 ,139 2,246 ,026
talla en cm ,098 ,172 ,035 ,569 ,570
a. Variable dependiente: nivel de masa ósea

La tabla anterior sugiere que:

Salida nro. 4

Estadísticas de residuosa
Mínimo Máximo Media Desviación N
estándar
Valor pronosticado 58,60 87,68 73,31 5,998 256
Residuo -65,058 53,544 ,000 15,251 256
 Valor pronosticado -2,452 2,397 ,000 1,000 256
estándar
Residuo estándar -4,241 3,490 ,000 ,994 256
a. Variable dependiente: nivel de masa ósea

La tabla anterior sugiere que:

Resultados en Excel

Edad
160
140
120
100
edad
Den_Os

80
Linear (edad)
f(x) = − 0.961030885684919 x + 122.869256846923
60 R² = 0.111316455942063
40
20
0
40 45 50 55 60 65 70
Edad

El gráfico de dispersión anterior sugiere que:

Resultados en Orange:
 Conclusiones

De todo lo anterior se concluye que las correlaciones calificadas como más altas son
también directamente proporcionales. En tanto las correlaciones calificadas como medias y
bajas son inversamente proporcionales. Dos pares de variables (largo del pétalo - ancho del
sépalo y ancho del pétalo - ancho del sépalo) que guardan una correlación media e
inversamente proporcional, y un último par de variables que guardan una correlación baja e
inversamente proporcional (ancho del sépalo - largo del sépalo).

El paquete estadístico SPSS presenta automáticamente en forma de matriz las correlaciones

entre las cuatro variables presentadas, mientras que el programa Excel requiere la selección
manual de las relaciones entre variables para el cálculo de las Correlaciones de Pearson. Sin
embargo, los resultados son iguales en ambos casos.