Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Martacm_01
2º Grado en Psicología
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
variables cuantitativas.
¿Cómo analizar la relación entre dos variables cuantitativas?
1. Diagrama de dispersión.
Eje de abscisas (X): Variable predictora. Eje de ordenadas (Y): Variable criterio. Cada
Interpretación:
Función lineal: Y = A + BX
Su representación gráfica es una línea recta. Las técnicas de análisis de este tema sólo
son adecuadas para este tipo de relaciones.
Intensidad de la relación: Cuanto mayor sea el ajuste de los puntos a una línea recta
(relaciones lineales) mayor será la intensidad de la relación, de forma más precisa se
podrán predecir los valores de una variable a partir de los valores de la otra.
2.1. Covarianza.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-5009380
Marta Castillo Molero
Interpretación:
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
medias, todos los productos de puntuaciones diferenciales correspondientes a los
casos que se encuentran en las zonas superior derecha e inferior izquierda son
positivos, mientras que los productos de puntuaciones diferenciales correspondientes
a los casos que se encuentran en las zonas superior izquierda e inferior derecha son
negativos.
Interpretación:
Respuesta Coca-Cola Zero Azúcar. Demasiado bueno para explicarlo con palabras
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-5009380
Marta Castillo Molero
Hasta ahora hemos visto como determinar si dos variables cuantitativas estaban
relacionadas y cuál era la intensidad de esa relación. Las técnicas de regresión
permiten determinar la función matemática más adecuada para predecir los valores de
una o más variables predictoras.
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
3.1. Regresión lineal simple.
Nos ceñiremos únicamente en las técnicas para estudiar relaciones lineales, de manera
que la función matemática buscada será la ecuación de una línea recta.
Y’ = A + BX
Nos ceñiremos al caso de una sola variable predictora. Por tanto no abordaremos las
técnicas de regresión múltiple.
Y’ = A + BX
Y = Y’ + error
En principio podría pensarse que la suma de los errores podría ser un buen indicador
de la cantidad de error cometido al usar la recta de regresión para predecir las
puntuaciones. Sin embargo, debido a que unos errores serán positivos y otros
negativos, la suma tiende a ser 0. Por ello para evaluar la cantidad de error cometido
con la recta de regresión se usa la suma de los errores al cuadrado (Suma Cuadrática
de los Errores - SCe-).
El hecho de que una ecuación de regresión sea la que mejor ajuste a unos datos no
implica que el ajuste sea bueno. ¿Cómo se evalúa el ajuste de la ecuación de regresión
a los datos?
Equilibrio en tu día a día con el nuevo portátil Prestige 15. Entra ya y llévatelo
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-5009380
Marta Castillo Molero
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
se evalúa mediante la SCT.
La diferencia entre SCT y la SCe será una medida de la ganancia predictiva que se
consigue con la ecuación de regresión, y se denomina Suma Cuadrática de las
predicciones (SCY’).
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-5009380