Metodos Estadisticos

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 estandarizados en el valor beta (B). Siendo un estadístico (t) es T-Student a un nivel de significancia del 95% en intervalos de confianza

...