You are on page 1of 2

REGRESION

Construir recta de regresin: Dependencia + Regresin Simple. Para cada uno de los
parmetros de la recta de regresin (ordenada y pendiente), Statgraphics proporciona un
contraste del tipo H 0 : a 0 , H1 : a 0 ; es decir, si el p-valor es mayor que el nivel de
significacin considerado, la hiptesis se acepta y en consecuencia el parmetro se
puede considerar como 0. Si el contraste se realiza sobre la pendiente, y se acepta la
hiptesis, ello es equivalente a aceptar que no hay correlacin lineal.
Calcular covarianza: Descripcin + Datos Numricos + Anlisis Multidimensional +
Ops. Tabulares + Covarianzas.
Calcular coeficiente de correlacin de Pearson: Hay dos formas. La primera es +
Datos Numricos + Anlisis Multidimensional; aqu adems aparece un contraste del
tipo H 0 : 0 , H1 : 0 . La segunda es Dependencia + Regresin Simple (aqu no
aparece ningn test).
Calcular coeficiente de correlacin de Spearman: Descripcin + Datos Numricos +
Anlisis Multidimensional + Ops. Tabulares + Correlacin por Rangos; aqu adems
aparece un contraste del tipo H 0 : rs 0 , H1 : rs 0 .
Estudiar la existencia o no de correlacin lineal: hay varios contrastes para esto:

El contraste H 0 : b 0 , H1 : b 0 , siendo b la pendiente de la recta de


regresin. Aparece al ejecutar Dependencia + Regresin Simple. Si se acepta, se
entiende que no hay correlacin lineal.
Al seguir la ruta anterior Dependencia + Regresin Simple, en la ventana de
regresin aparece un anlisis de la varianza que produce un cierto p-valor. La
hiptesis
que
se
est
constrastando
es
H 0 : no hay correlacin lineal; H1 : hay correlacin lineal .
El contraste H 0 : 0 , H1 : 0 , siendo el coeficiente de correlacin
lineal de Pearson. Si se acepta, se entiende que no hay correlacin lineal.
El contraste H 0 : rs 0 , H1 : rx 0 , siendo rs el coeficiente de correlacin
lineal de Spearman. Si se acepta, se entiende que no hay correlacin lineal.

Calcular el coeficiente de determinacin (R-cuadrado): Dependencia + Regresin


Simple. Es el porcentaje de variabilidad de los datos que est siendo explicado por la
introduccin del modelo.
Comparacin con otros modelos: Dependencia + Regresin Simple+Ops. Tabulares+
Comparacin de Modelos Alternativos. Se entiende que un modelo es mejor que el
lineal, si consigue explicar un porcentaje mayor de variabilidad.
Residuos atpicos: Dependencia + Regresin Simple+Ops. Tabulares+ Residuos
Atpicos.
Predicciones: Dependencia + Regresin Simple+Ops. Tabulares+ Predicciones. Para
calcular el valor previsto de una cierta variable, conocido el de la otra, y con un cierto

nivel de confianza, Botn Dcho.+Ops.Ventana. Aqu podremos cambiar tanto el nivel de


confianza, como el valor de la variable para el que queremos predecir el
comportamiento de la otra variable.
Puntos Influyentes: Dependencia + Regresin Simple+Ops. Tabulares+ Puntos
Influyentes.
Clculo de residuos: desde la ventana de Regresin, Guardar Resultados + Residuos
(como en el ANOVA)
Modelos de grado superior: Dependencia + Regresin Polinmica. Una vez en la
ventana correspondiente, Botn Dcho.+Ops.Anlisis e introducimos el grado con el que
deseamos trabajar.
REGRESION MULTIPLE: Dependencia + Regresin Mltiple. Despus de
introducir la variable explicada ( Y ) y los regresores ( X 1 ,..., X n ), vamos a parar a una
ventana en la que se nos muestran los coeficientes correspondientes a cada variable X i .
Adems, al lado de cada coeficiente aparece un p-valor correspondiente a la hiptesis de
que dicho parmetro se pueda considerar 0, frente a la alternativa de que sea distinto de
0. Las variables que superen ese test sern las que realmente tengan una influencia del
tipo considerado sobre la Y . La idoneidad de un modelo lineal para las variables
consideradas, se mide a partir del Coeficiente de Determinacin R-cuadrado, que
aparece en la misma ventana. Tambin en esa ventana, aparece un p-valor
correspondiente
a
la
hiptesis
H 0 : no hay correlacin lineal; H1 : hay correlacin lineal .
Predicciones en Regresin Mltiple: Tenemos que introducir, en la hoja de datos, los
valores de las X i , y dejar vaca la casilla correspondiente a Y . Despus, Dependencia
+ Regresin Mltiple+ Ops.Tabulares+Informes.
Multicolinealidad: Desde la ventana de Regresin Mltiple, Opciones Tabulares +
Matriz de Correlaciones. Hay que verificar si alguno de los elementos que no
pertenecen a la diagonal principal es prximo a 1.

You might also like