Regresion lineal simple en SPSS

Iván Bravo

31 Oct 201709:43

Summary

TLDREn este vídeo se realiza un análisis de regresión lineal simple para estudiar la relación entre la competencia percibida y el estrés en una muestra de 25 personas. Se detalla el proceso de análisis, desde la elección de variables hasta la interpretación de resultados. Se discuten conceptos clave como el R cuadrado, la validez del modelo y los supuestos de la regresión, incluyendo la normalidad y homocedasticidad de los residuos. Finalmente, se concluye que el modelo es válido y se cumplen todos los supuestos necesarios para inferencias precisas.

Takeaways

😀 Se realiza un análisis de regresión lineal simple para estudiar la relación entre la competencia percibida y el estrés en 25 personas.
📊 La variable dependiente es la competencia percibida y la variable independiente es el estrés.
✅ El coeficiente de determinación (R²) es de 0.321, lo que indica que el 32.1% de la varianza de la competencia percibida es explicada por el estrés.
📝 Se rechaza la hipótesis nula (H₀: R = 0) debido a un valor p menor a 0.05, confirmando que el modelo de regresión es válido.
📈 Los coeficientes de la regresión muestran una constante de 43.96 y una pendiente de -0.246, lo que permite construir la ecuación de regresión.
🔍 Se verifican los supuestos de la regresión lineal, comenzando con el análisis de residuos.
📉 Se utiliza un histograma y una gráfica de probabilidad para comprobar la normalidad de los errores, confirmando que se distribuyen normalmente.
📊 La prueba de normalidad de Shapiro-Wilk indica un p-valor de 0.474, lo que sugiere que los datos son normales.
📏 La homocedasticidad se evalúa a través de un gráfico de dispersión de residuos, sin patrones evidentes que sugieran problemas.
🧪 Se realiza la prueba de Levene para evaluar la igualdad de varianzas, obteniendo un p-valor de 0.275, lo que permite retener la hipótesis nula de homocedasticidad.

Q & A

¿Cuál es el objetivo del análisis de regresión lineal simple presentado en el video?
-El objetivo es estudiar la posible relación entre la competencia percibida y el estrés en una muestra de 25 personas.
¿Qué variables se utilizan en el análisis de regresión?
-La variable dependiente es la competencia percibida y la variable independiente es el estrés.
¿Qué indica el valor de R cuadrado en el modelo de regresión?
-El valor de R cuadrado indica la calidad del modelo, mostrando que un 30.21% de la varianza en la competencia percibida puede explicarse por el estrés.
¿Cómo se evalúa la validez del modelo de regresión lineal?
-La validez se evalúa mediante la tabla ANOVA, donde se rechaza la hipótesis nula si la significancia es menor a 0.05.
¿Qué se puede concluir si la significancia en la tabla ANOVA es menor a 0.05?
-Se concluye que el modelo de regresión lineal es válido y que el estrés predice la competencia percibida.
¿Qué información se obtiene de la tabla de coeficientes?
-La tabla de coeficientes muestra los coeficientes no estandarizados y estandarizados, incluyendo la constante y la pendiente de la regresión lineal.
¿Cuál es la fórmula de la regresión lineal derivada del análisis?
-La fórmula es: Competencia Percebida = 43.96 - 0.246 * Estrés.
¿Por qué es importante comprobar los supuestos del modelo de regresión lineal?
-Comprobar los supuestos asegura que las inferencias realizadas a la población sean válidas.
¿Qué se evalúa mediante los gráficos de residuos?
-Los gráficos de residuos se utilizan para evaluar la normalidad y la homoscedasticidad de los errores en el modelo.
¿Qué se concluye si la prueba de normalidad muestra que los datos son normales?
-Se concluye que los errores se distribuyen normalmente y tienen media cero, lo que apoya la validez del modelo de regresión.
¿Qué representa el test de Levene en este análisis?
-El test de Levene evalúa la homogeneidad de varianzas, y si la significancia es mayor a 0.05, se acepta la hipótesis de homoscedasticidad.