Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pregunta 1:
a) Plantea las hipótesis de estudio, señala la ecuación del modelo e indica las
hipótesis estadísticas correspondientes.
HT: los estudiantes con un mayor promedio final de la universidad, que perciben un mejor
clima motivacional y que tienen menores niveles de estrés académico tengan una mayor
probabilidad de ser admitidos a un programa de posgrado.
H0: βPF = 0 vs. H1: βPF > 0
H0: βCM = 0 vs. H1: βCM > 0
H0: βEA = 0 vs. H1: βEA < 0
Logit(admisión = 1) = βPFXPF + βCMXCM – βBAXBA
A partir de la prueba Omnibus se puede observar que al menos una variable del
2
modelo predice la probabilidad de ser admitido en un programa de posgrado, χ (3)= 40.54, p
< .001.
Tabla de clasificacióna
Pronosticado
Admisión a un Postgrado Porcentaje
Observado No Si correcto
Paso 1 Admisión a un No 253 20 92,7
Postgrado Si 98 29 22,8
Porcentaje global 70,5
a. El valor de corte es ,500
c) ¿Se cumplen las hipótesis planteadas? Lleva a cabo los contrastes respectivos y
brinda una conclusión.
HT: los estudiantes con un mayor promedio final de la universidad, que perciben un mejor
clima motivacional y que tienen menores niveles de estrés académico tengan una mayor
probabilidad de ser admitidos a un programa de posgrado.
H0: βPF = 0 vs. H1: βPF > 0
H0: βCM = 0 vs. H1: βCM > 0
H0: βEA = 0 vs. H1: βEA < 0
Logit(admisión = 1) = βPFXPF + βCMXCM – βBAXBA
Variables en la ecuación
Error
B estándar Wald gl Sig. Exp(B)
Paso 1 Promedio Final de la
a
,777 ,327 5,630 1 ,018 2,175
Universidad
Clima motivacional ,002 ,001 4,414 1 ,036 1,002
Estrés Académico -,560 ,127 19,404 1 ,000 ,571
Constante -3,450 1,133 9,272 1 ,002 ,032
a. Variables especificadas en el paso 1: Promedio Final de la Universidad, Clima
motivacional, Estrés Académico.
Pregunta 2:
a) Plantea la hipótesis de estudio, señala la ecuación del modelo e indica las
hipótesis estadísticas correspondientes.
HT: A mayor nivel de adversidad hay una menor calidad de vida, pero después de cierto
puntaje en nivel de adversidad, hay mayor calidad de vida.
Ecuación no lineal: Calidad de vida = β0 + β1XA +β2XA2 ± ε
H0: No existe una relación cuadrática entre las variables (β1 = β2 = 0)
H1: Existe una relación cuadrática entre las variables. (β1 ≠ 0; β2 ≠ 0)
El diagrama de dispersión demuestra que los puntos están dispersos de tal manera que
el análisis más adecuado para comprender su distribución es la regresión no lineal, más
específicamente la cuadrática.
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 16665,023 1 16665,023 72,469 ,000b
Residuo 5519,064 24 229,961
Total 22184,087 25
2 Regresión 19995,913 2 9997,956 105,089 ,000c
Residuo 2188,174 23 95,138
Total 22184,087 25
a. Variable dependiente: Calidad de Vida
b. Predictores: (Constante), Adversidad
c. Predictores: (Constante), Adversidad, AD2
A partir del ANOVA, ambos modelos son apropiados para analizar la muestra, ya
que en ambos casos son significativos (p < .001).
Coeficientesa
Coeficientes no Coeficientes
estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) 87,155 6,019 14,481 ,000
Adversidad -2,825 ,332 -,867 -8,513 ,000
2 (Constante) 110,107 5,480 20,092 ,000
Adversidad -7,423 ,806 -2,278 -9,211 ,000
AD2 ,151 ,025 1,463 5,917 ,000
a. Variable dependiente: Calidad de Vida
Según todo lo previamente analizado, tanto el modelo 1 y el dos son significativos, por lo
tanto, el nivel de adversidad como X2 ayudan a predecir la calidad de vida. De igual modo, se
sostiene lo que se escribió líneas arriba sobre el aporte de los dos modelos y que el Modelo 2 es el
más apropiado. De este modo, y analizando el gráfico de dispersión, sí se acepta una relación
cuadrática entre las variables.