Pasos para el análisis de Regresión simple

1. Pregunta de investigación

Ejemplo:

- ¿Cómo influye el número de trabajadores en el número de mesas producidas en la

empresa Maestro SAC?, ¿Cuál es la influencia del número de trabajadores sobre el

número de mesas producidas en la planta de la empresa Maestro SAC?

- ¿Existe incidencia de la tasa de homicidios en el PBI del Perú durante el periodo

2000- 2022? ¿Cómo influye la tasa de fecundidad en el PBI del Perú durante el

periodo 2000- 2022?

2. Prueba de normalidad y definición de la prueba estadística

a. Normalidad

Para saber qué tipo de prueba estadística se utilizará para contrastar la hipótesis a

nivel correlacional, se realizó previamente la prueba de normalidad, de acuerdo a las

siguientes etapas:

Hipótesis:
H0: Los datos de la variable tiene una distribución normal
H1: Los datos de la variable no tiene una distribución normal

Regla de decisión:
a. Si p-valor es menor o igual que el α=0.05 (alfa), se rechaza la Ho y se acepta la H1, es

decir los datos no tienen una distribución normal, por lo tanto, emplearemos pruebas

no paramétricas (nivel de confianza al 95%).

b. Si p-valor es mayor que el α=0.05 (alfa), se acepta la Ho y se rechaza la H1, es decir

los datos tienen una distribución normal, por lo tanto, emplearemos pruebas

paramétricas (nivel de confianza al 95%).

 Ejemplo:

Tabla 1
Pruebas de normalidad para las variables de estudio

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
*
Número de ,166 10 ,200 ,924 10 ,388
trabajadores
Número de ,209 10 ,200* ,861 10 ,079
mesas
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

Tras observar los resultados y dado que nuestra población es menor a 50

organizaciones se tendrán en consideración la prueba de Shapiro-Wilk para ambos

variables. Con respecto a la variable número de trabajadores se observa que sigue una

distribución normal ya que el p-valor (α= 0.388) es mayor a 0.05 (α< 0.05), mientras para

la variable número de sillas se concluye también que sigue una distribución normal ya

que el p-valor (α= 0.079) es mayor a 0.05 (α> 0.05). Debido a que ambas variables

cumplen con el criterio de distribución normal, se realizará la utilización de una prueba

paramétrica.

b. Criterios de decisión de la prueba estadística

3. Plantear la hipótesis

Ejemplo:

- HO: No existe influencia del número de trabajadores en el número de mesas

producidas en la empresa Maestro SAC.

- H1: Existe influencia del número de trabajadores en el número de mesas producidas

en la empresa Maestro SAC.

- H0: El número de trabajadores no influye en el número de mesas producidas en la

planta de la empresa Maestro SAC.

- H1: El número de trabajadores influye en el número de mesas producidas en la planta

de la empresa Maestro SAC.

- H0: No existe influencia de la tasa de homicidios en el PBI del Perú, durante el

periodo 2000- 2022.

- H1: Existe influencia de la tasa de homicidios en el PBI del Perú, durante el periodo

2000- 2022.

- H0: La tasa de fecundidad no influye significativamente en el PBI del Perú, durante

el periodo 2000- 2022.

- H1: La tasa de fecundidad influye significativamente en el PBI del Perú, durante el

periodo 2000- 2022.

 4. Resultados de la prueba estadística y toma de decisión

Ejemplo

Resumen del modelo

R cuadrado Error estándar
Modelo R R cuadrado ajustado de la estimación
1 ,989a ,978 ,975 2,64450
a. Predictores: (Constante), N°_TRABAJADORES

La variable N°_TRABAJADORES explica el 97.8% de la variable N°_MESAS

ANOVAa
Suma de Media
Modelo cuadrados Gl cuadrática F Sig.
1 Regresión 2449,653 1 2449,653 350,281 ,000b
Residuo 55,947 8 6,993
Total 2505,600 9
a. Variable dependiente: N°_MESAS
b. Predictores: (Constante), N°_TRABAJADORES

Coeficientesa
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Error estándar Beta t Sig.
1 (Constante) -13,016 3,015 -4,317 ,003
N°_TRABAJADORES 2,545 ,136 ,989 18,716 ,000
a. Variable dependiente: N°_MESAS

Y = -13.016+2.545 (N°_TRABAJADORES)
p-valor= 0.000

De los resultados obtenidos de 𝑅 2 = 0.978y p-valor (0.000) menor a 0.05, se

concluye que existe una influencia positiva muy fuerte y significativa, entre el número de

trabajadores y el número de mesas. Por lo tanto, se rechaza la hipótesis nula y se acepta

la hipótesis alterna, con un grado de significancia del 5% y un nivel de confianza del 95%.
 Nota:

- En regresión simple, R es igual a la correlación entre el predictor y la

variable independiente.

- R2 indica la proporción de varianza en la VD que es contabilizada por los

predictores en la muestra.

- R2 ajustado estima su valor al aplicarse a toda la población (mejor

coeficiente).

Procedimiento e interpretación: sobre un diagrama de

dispersión. Cada eje representa una variable.
● Fórmula: Y = a + bx
● Siendo Y: el pronóstico de la variable (dependiente).
● a: el valor de la ordenada en el origen (constante)
● b: la pendiente de inclinación de la recta
● x: el valor de la variable independiente