Regresión lineal: Estadísticos
Se encuentran disponibles los siguientes estadísticos:
Coeficientes de regresión- Estimaciones muestra el coeficiente de regresión B, error estándar de B, coeficiente beta tipificado, valor t para By nivel de significación bilateral de t. Intervalos de confianza muestra los intervalos de confianza con el nivel de confianza especificado para cada coeficiente de regresión o una matriz de covarianzas. Matriz de covarianzas muestra una matriz de varianzas-covarianzas de los coeficientes de regresión, con las covarianzas fuera de la diagonal y las varianzas en la diagonal. También se muestra una matriz de correlaciones.
Ajuste del modelo- Se listan las variables introducidas y eliminadas del modelo y se muestran los siguientes 'estadísticos de bondad de ajuste': varios R, R 2 y R 2corregidos, error estándar de la estimación y una tabla de análisis de varianza.
Cambio de R cuadrado- El cambio en el estadístico R 2 que se genera al añadir o suprimir una variable independiente. Si es grande el cambio en R cuadrado asociado a una variable, esto significa que esa variable es un buen predictor de la variable dependiente.
Descriptivo- Proporciona el número de casos válidos, la media y la desviación estándar de cada variable en el análisis. También muestra una matriz de correlaciones con el nivel de significación unilateral y el número de casos para cada correlación.
Correlación de partes. La correlación entre la variable dependiente y una variable independiente cuando se han eliminado de la variable independiente los efectos lineales de las otras variables independientes del modelo. Está relacionada con el cambio en R cuadrado cuando una variable se añade a una ecuación. En ocasiones e denomina correlación semiparcial.
Correlación parcial. La correlación remanente entre dos variables después de haber eliminado la correlación debida a su asociación mutua con otras variables. La correlación entre una variable dependiente y una variable independiente cuando se han eliminado de ambas los efectos lineales de las otras variables independientes del modelo.
Diagnóstico de colinealidad- La colinealidad (o multicolinealidad) es la situación no deseable cuando una variable independiente es una función lineal de otras variables independientes. Muestra los autovalores de la matriz de productos vectoriales no centrada y escalada, los índices de condición y las proporciones de la descomposición de la varianza junto con los factores de inflación de la varianza (FIV) y las tolerancias para las variables individuales.
Criterios de selección: incluye el criterio de información de Akaike (AIC), el criterio de predicción de Ameniya (PC), la media cuadrática de error condicional de criterio de predicción (Cp) y el criterio bayesiano de Schwarz (SBC). Los estadísticos se muestran en la tabla de resumen Modelo.
Residuos- Puede seleccionar 'PRESS Statistic' para utilizarlo como estadístico de validación cruzada para comparar distintos modelos. También muestra la prueba 'Durban-Watson' para la correlación en serie de los residuos. Elija la información de 'Diagnóstico por casos' para los casos que cumplen el criterio de selección (valores atípicos por encima de n desviaciones estándar).
Para obtener estadísticos para una regresión
Esta característica requiere la opción Statistics Base.
- En los menús seleccione:
- En el cuadro de diálogo Regresión lineal, pulse en Estadísticos.
- Seleccione los estadísticos que desee.