Metodos Estadisticos
Enviado por marirochas • 4 de Octubre de 2012 • 673 Palabras (3 Páginas) • 830 Visitas
MÉTODO STEPWISE:
Se dice que este método es de utilidad para obtener una regresión por pasos, coeficiente de correlación diferente de 0.
En el siguiente análisis podemos percatar que tiene las siguientes variables independientes:
SEXO
EDAD
TRAYECTO
EXTRACLASE
ANTERIORES
TRABAJA
NOVIA
PROMEDIO SECUNDARIA
Y posteriormente la VARIABLE DEPENDIENTE ES EL PROMEDIOSEMESTRAL
En el cual se hizo una toma de muestra aleatoria y se hace una serie de ecuaciones con el fin de adquirir el promedio semestral y encontramos lo siguiente:
1).- REGRESION
En la siguiente tabla observamos que entre las variables dependientes como independientes sus valores de la media, media cuadrática se distingue una diferencia muy diminuta a una población equivalente a 47.
Estadística descriptiva (b)
Medio Media cuadrática N (Población
PROMEDIO DEL SEMESTRE 62.89 64.009 47
EDAD 16.66 16.693 47
TRAYECTO CASA ESCUELA 29.51 34.161 47
SEXO .45 .668 47
HORAS DE ESTUDIO FUERA DEL AULA 61.06 85.378 47
ESTUDIO EN OTRA ESCUELA .34 .583 47
SITUACION LABORAL .23 .484 47
TIENE PAREJA ACTUALMENTE .43 .652 47
PROMEDIO DE SECUNDARIA 77.36 77.710 47
2.- CORRELACIONES
Posteriormente hayamos las siguientes correlaciones: en las que distinguimos en algunas independintes que son de carácter fuerte, es decir, se acercan a un entero, y débiles cuando se alejan de 0.
Correlations(a)
PROMEDIO DEL SEMESTRE EDAD TRAYECTO CASA ESCUELA SEXO HORAS DE ESTUDIO FUERA DEL AULA ESTUDIO EN OTRA ESCUELA SITUACION LABORAL TIENE PAREJA ACTUALMENTE PROMEDIO DE SECUNDARIA
Std. Cross-product PROMEDIO DEL SEMESTRE 1.000 .979 .851 .584 .758 .574 .464 .661 .988
EDAD .979 1.000 .865 .681 .707 .607 .501 .647 .992
TRAYECTO CASA ESCUELA .851 .865 1.000 .582 .661 .592 .496 .627 .862
SEXO .584 .681 .582 1.000 .334 .546 .526 .342 .641
HORAS DE ESTUDIO FUERA DEL AULA .758 .707 .661 .334 1.000 .448 .260 .478 .728
ESTUDIO EN OTRA ESCUELA .574 .607 .592 .546 .448 1.000 .452 .391 .580
SITUACION LABORAL .464 .501 .496 .526 .260 .452 1.000 .405 .489
TIENE PAREJA ACTUALMENTE .661 .647 .627 .342 .478 .391 .405 1.000 .663
PROMEDIO DE SECUNDARIA .988 .992 .862 .641 .728 .580 .489 .663 1.000
Variables Entered/Removed(a,b)
Model Variables Entered Variables Removed Method
1 PROMEDIO DE SECUNDARIA . Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100).
2 SEXO . Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100).
3 HORAS DE ESTUDIO FUERA DEL AULA . Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100).
En la sigueinte tabla nos muestra la explicacion de la variacion de la variable dependiente con la independiente como se obsrerva en la tabla explica la regresión los predictores son : promedio de secundaria, sexo, horas de estudio del aula y la variable dependiente: promedio del semestre y regresión lineal por el origen
Model Summary(e,f)
Model R R Square(a) Adjusted R Square STD Error de la estimación
1 .988(b) .977 .976 9.894
2 .990(c) .981 .980 9.046
3 .991(d) .983 .981 8.740
En la tabla ANOVA podemos ver la regresión el residual en base a los modelos que se especifican y el total de estos:
ANOVA
Podemos percatar que en base a cada modelo de coeficiente no estandarizado y estandarizado en los primeros observamos los errores estándar, siendo la variable dependiente el promedio del semestre, y en las siguientes los coeficientes
...