Practica 2 de estadistica ANÁLISIS DE DOS VARIABLES
Iancka ChoqueApuntes16 de Mayo de 2019
993 Palabras (4 Páginas)173 Visitas
PRACTICA 2
ANÁLISIS DE DOS VARIABLES
- Repaso de estadística unitaria
Las siguientes preguntas se refieren a las variable ESCALA del archivo ejercicios.sav
- Calcule los estadísticos de tendencia central de dicha variable
Media 4.60
Mediana 5.00
Moda 5
- Calcule los índices de asimetría y curtosis de dicha variable
Asimetría 0,267
Curtosis -0,148
- Queremos hacer 4 grupos iguales en dicha variable. Los grupos son: izquierda, centro-izquierda, centro derecha y derecha ¿Qué valores de la variable ESCALA delimitan cada uno de los grupos?
- Calcule los centiles 20, 40 y80 de dicha distribución:
C20= 3
C40=4
C80=6
- Matrices de Varianza-Covarianza y Correlaciones
Seleccione las variables de la pregunta 13 del cuestionario INGRESO2 e INGRESO3) del archivo ejercicios.sav y ejecute la matriz-covarianzas y la matriz de correlaciones entre las tres variables
Según los resultados obtenidos en el visor SPSS conteste a las siguientes preguntas:
2.1 ¿Cuál de las tres variables es más homogénea?
La variable INGRESOS 3, porque la varianza es positiva
Correlations | ||||
Ingresos personales | Ingresos de tu pareja | Aportaciones familiares (incluida "paga" mensual o semanal) | ||
Ingresos personales | Pearson Correlation | 1 | ,373** | -,124** |
Sig. (2-tailed) | ,000 | ,001 | ||
Sum of Squares and Cross-products | 1708685,919 | 470122,523 | -102999,564 | |
Covariance | 2624,710 | 722,154 | -158,217 | |
N | 652 | 652 | 652 | |
Ingresos de tu pareja | Pearson Correlation | ,373** | 1 | -,116** |
Sig. (2-tailed) | ,000 | ,003 | ||
Sum of Squares and Cross-products | 470122,523 | 929168,446 | -71061,350 | |
Covariance | 722,154 | 1427,294 | -109,157 | |
N | 652 | 652 | 652 | |
Aportaciones familiares (incluida "paga" mensual o semanal) | Pearson Correlation | -,124** | -,116** | 1 |
Sig. (2-tailed) | ,001 | ,003 | ||
Sum of Squares and Cross-products | -102999,564 | -71061,350 | 402861,779 | |
Covariance | -158,217 | -109,157 | 618,835 | |
N | 652 | 652 | 652 | |
**. Correlation is significant at the 0.01 level (2-tailed). |
2.2 Elabore la matriz de varianzas-covarianzas entre las variables INGRESO 1 e INGRESO 2.
INGRESO 1 INGRESO 2
[pic 1]
INGRESO 1
INGRESO 2
2.3 Elabore la matriz de correlaciones entre las variables INGRESO1 e INGRESO 3
INGRESO 2 INGRESO 3
[pic 2]
INGRESO 2
INGRESO 3
2.4 Compruebe cómo se obtendrá la correlación de Pearson entre INGRESOS 1 e INGRESO 2 si solo se utilizan los datos que aparecen en la matriz de varianzas obtenida en el apartado 2.2.
Correlations | |||
Ingresos personales | Ingresos de tu pareja | ||
Ingresos personales | Pearson Correlation | 1 | ,373** |
Sig. (2-tailed) | ,000 | ||
N | 652 | 652 | |
Ingresos de tu pareja | Pearson Correlation | ,373** | 1 |
Sig. (2-tailed) | ,000 | ||
N | 652 | 652 | |
**. Correlation is significant at the 0.01 level (2-tailed). |
- Combinación lineal de variables
Calcule (mediante el menú Transformar -) calcular del SPSS)una nueva variable que sea la suma de los ingresos personales del entrevistado, y los ingresos de su pareja (INGRESO 1 + INGRESO2). Ala nueva variable la llamaremos INPAREJA. La etiqueta de dicha variable será “ingresos personales y de la pareja”.
3.1 La media de la variable INPAREJA es: 35,1595
La varianza: 5496,312
Índice de asimetría: 3,394
3.2 Calcule a partir de la matriz de varianzas-covarianzas entre las variables INGRESO 1 e INGRESO2 (OBTENIDA EN EL APARTADO 2.2) el valor de la varianza e la variable INPAREJA
Statistics | ||
INPAREJA | ||
N | Valid | 652 |
Missing | 65 | |
Variance | 5496,312 |
- Modelos lineales de regresión
Queremos elaborar un modelo de represión lineal que nos permita pronosticar las horas que un entrevistado ve la televisión a la semana (TV) a partir de las horas semanales de ocio de dicho entrevistado.
En dicho modelo…
4.1 La variable predictora horas es y la variable criterio es tv.
Model Summary | |||||||||||||||||||||||
Model | R | R Square | Adjusted R Square | Std. Error of the Estimate | |||||||||||||||||||
1 | ,228a | ,052 | ,050 | 6,745 | |||||||||||||||||||
a. Predictors: (Constant), horas | |||||||||||||||||||||||
|
4.2 La ecuación de regresión en puntuaciones directas es:
Tv= 7.972 + 0.138 horas
Coefficientsa | ||||||
Model | Unstandardized Coefficients | Standardized Coefficients | t | Sig. | ||
B | Std. Error | Beta | ||||
1 | (Constant) | 7,972 | ,539 | 14,791 | ,000 | |
horas | ,138 | ,023 | ,228 | 6,096 | ,000 | |
a. Dependent Variable: tv |
...