Computación y electrónica

Cómo interpretar los resultados de regresión con el Paquete Estadístico SPSS

Escrito por shane hall | Traducido por xochitl gutierrez cervantes
Cómo interpretar los resultados de regresión con el Paquete Estadístico SPSS

La regresión es una técnica de estadística compleja.

John Foxx/Stockbyte/Getty Images

La regresión es una técnica de estadística compleja, cuyo propósito consiste en predecir el valor de un resultado o de una variable dependiente como serían: los ingresos anuales, la producción económica o simplemente las calificaciones de los estudiantes. Éstas se basan en una o más variables de predicción que podrían ser: los años de experiencia, las tasas de desempleo o el nivel de calificaciones de los estudiantes. Los investigadores en educación y en ciencias sociales utilizan la regresión para estudiar una amplia gama de fenómenos. Para conducir sus análisis utilizan el Paquete Estadístico para las Ciencias Sociales, cuyas siglas en inglés corresponden a SPSS. Con este paquete estadístico se pueden realizar análisis de regresión que podrían intimidar a un principiante, pero que con una buena comprensión de los procedimientos y del objeto en estudio, el investigador puede asesorar a los estudiantes y a los novatos a interpretar correctamente dichos resultados.

Otras personas están leyendo

Instrucciones

    Cómo interpretar los resultados de regresión con el Paquete Estadístico (SPSS)

  1. 1
    Realiza el procedimiento de regresión en el SPSS.

    John Foxx/Stockbyte/Getty Images

    Realiza el procedimiento de regresión en el SPSS y abre el archivo de salida para revisar los resultados. El archivo de salida aparecerá en tu pantalla, por lo general con el nombre de archivo "Output 1" (Salida 1). Imprime este archivo y marca las secciones importantes. A mano, toma notas al revisar los resultados.

  2. 2
    Empieza el examen del cuadro de "Estadística Descriptiva".

    John Foxx/Stockbyte/Getty Images

    Empieza tu interpretación examinando la tabla "Descriptive Statistics" (Estadística Descriptiva). Dependiendo de la versión del paquete que utilices, ésta aparecerá por primera vez en la salida. La estadística descriptiva te proporcionará los valores de la media y la desviación estándar de las variables en tu modelo de regresión. Por ejemplo, una regresión que analiza el efecto de los años de educación y los años de experiencia en el ingreso anual promedio, te proporcionará la media y las desviaciones estándar según los datos de cada una de estas tres variables.

  3. 3
    Pon tu atención en la tabla de correlaciones.

    Jupiterimages/Photos.com/Getty Images

    Pon atención en la tabla de correlaciones que aparecerá después del análisis de estadística descriptiva. Éstas medirán el grado en que estas variables están relacionadas. Las correlaciones varían del valor cero a uno, así entre mayor sea el valor, mayor será el nivel de correlación. Los valores pueden ser positivos o negativos. Es decir, su significando será: correlación positiva o negativa.

  4. 4
    Pon especial atención en el valor de R al cuadrado.

    John Foxx/Stockbyte/Getty Images

    Revisa el resumen del modelo y pon especial atención en el valor que hay en el cuadro R. Éste indica cuánto de la variación en el valor de la variable dependiente se explica en tu modelo de regresión. Por ejemplo, la regresión de los ingresos promedio en años de educación y años de experiencia puede producir en el cuadro R una cifra 0,36. Ésta indica que el 36% de la variación en los ingresos promedio puede explicarse a partir de la variabilidad en la educación y experiencia de una persona.

  5. 5
    Aplica la regresión al análisis de la varianza (ANOVA, por sus siglas en inglés).

    Thinkstock Images/Comstock/Getty Images

    Determina la relación lineal entre las variables en la regresión examinando la tabla de análisis de varianza (ANOVA) que te proporciona el SPSS. Ten en cuenta el valor de la estadística F y su nivel de importancia (denotado por el valor "Sig"). Si el valor de F es estadísticamente significativo en un nivel de 0,05 ó menos, esto sugiere una relación lineal entre las variables. La importancia estadística de un nivel 0,05 manifiesta que hay una posibilidad del 95 por ciento de que la relación entre las variables no se deba a la casualidad. Este es el nivel de importancia aceptado en la mayoría de los campos de investigación.

  6. 6
    Estudia el cuadro de coeficientes para determinar el valor de la constante.

    Jupiterimages/Goodshoot/Getty Images

    Estudia la tabla de coeficientes para determinar el valor de la constante. Ésta resume los resultados de la ecuación de regresión. La columna B en la tabla da los valores de los coeficientes de regresión y la constante, que es el valor esperado de la variable dependiente cuando los valores de las independientes son iguales a cero.

  7. 7
    Estudia los valores de las variables independientes en el cuadro de los coeficientes.

    BananaStock/BananaStock/Getty Images

    Estudia los valores de las variables independientes en la tabla de los coeficientes. Los valores en la columna B representan el grado en que el valor de la variable independiente contribuye al valor de la dependiente. Por ejemplo, una B de 800 por años de educación sugiere que a cada año adicional, el ingreso promedio aumente a US$800. Los valores de t en la tabla de coeficientes indican la importancia estadística de la variable. En general, un valor de t de 2 ó más indica la relevancia estadística.

Más galerías de fotos

comentarios

Filtrar por:
  • Mostrar todos
  • Artículos
  • Galerías de fotos
  • Videos
Ordenar:
  • Más relevante
  • Más popular
  • Más reciente

No se encuentran artículos disponibles

No se encuentran slideshows disponibles

No se encuentran videos disponibles

Copyright © 1999-2014 Demand Media, Inc. Acerca de

El uso de este sitio constituye la aceptación de los términos y política de privacidad de eHow. Ad Choices es-US

Demand Media