Modelos De Regresión Y Correlación

Modelos de regresión y correlación.
La Regresión y la correlación son dos técnicas estadísticas que se pueden utilizar para solucionar problemas comunes que se nos presenten en cualquier ámbito de la vida diaria.
Muchos estudios se basan en la creencia de que es posible identificar y cuantificar alguna Relación Funcional entre dos o más variables, donde una depende de la otra.
Se puede decirque Y depende de X, en donde Y y X son dos variables cualquiera en un modelo de Regresión Simple. "Y es una función de X", donde Y = f(X), como Y depende de X, Y es la variable dependiente, y X es la variable independiente. En el Modelo de Regresión es muy importante identificar cuál es la variable dependiente y cuál es la variable independiente.
En este trabajo se nos presenta una base de datosde ciertos estudiantes que contienen algunas variables como: Orden de inscripción, materias ofrecidas, materias cursadas, materias aprobadas, la eficiencia, eficacia y el promedio de los estudiantes para obtener por medio de ciertos análisis estadísticos su orden de inscripción.
Tomaremos a la variable Orden de inscripción como la variable dependiente, y a las otras variables, como variablesindependientes, es decir:
Y= Orden de inscripción
X1= Materias ofrecidas
X2= Materias cursadas
X3= Materias Aprobadas
X4=Eficiencia
X5= Eficacia
X6= Promedio.
Este modelo que mostraremos a continuación puede estar expresado por medio de
La siguiente tabla de datos nos muestra los órdenes de inscripción correspondientes que se obtienen al realizar un análisis estadístico a las variablesindependientes:


Orden Ofrecidas Cursadas Aprobadas Eficiencia Eficacia Promedio
593 20 18 11 55 61,11 13,4
438 21 16 12 57,14 75 13
36 69 60 51 73,91 85 14,765
256 31 36 32 103,22 88,88 16,902
573 32 30 19 59,37 63,33 14,555
266 21 25 22 104,76 88 16,857
336 5 6 5 100 83,33 13,75
506 44 39 27 61,36 69,23 16,152
732 0 0 0 0 0 0
206 38 40 38 100 95 14,944
237 20 21 19 95 90,4717,111
525 37 40 27 72,97 67,5 16,538
445 41 34 25 60,97 73,52 14,434
463 10 11 8 80 72,72 13,142
11 46 50 50 108,69 100 16,916
45 36 41 41 113,88 100 15,282
238 20 21 19 95 90,47 16,777
434 20 16 12 60 75 13,727
528 36 30 20 55,55 66,66 15,736
462 10 11 8 80 72,72 13,571
210 20 16 15 75 93,75 15,857
730 0 0 0 0 0 0
729 5 2 0 0 0 0
2 49 50 50 102,04 100 18,729
211 26 30 28 107,6993,33 16,074
403 27 27 21 77,77 77,77 15,789
647 41 28 15 36,58 53,57 14,384
600 11 10 6 54,54 60 17,6
4 49 50 50 102,04 100 18,332
183 38 41 41 107,89 100 16,102
242 38 40 36 94,73 90 15,314
178 21 27 27 128,57 100 16,268
728 0 0 0 0 0 0
221 20 26 24 120 92,3 17,217
58 26 32 27 103,84 84,37 15,88
125 0 0 0 0 0 13,317
630 21 23 13 61,9 56,52 13,25
205 16 20 19 118,75 95 15,833
383 26 3024 92,3 80 14,043
216 38 43 40 105,26 93,02 15,552
138 0 0 0 0 0 12,561
454 21 15 11 52,38 73,33 12
393 37 33 26 70,27 78,78 14,583
348 32 34 28 87,5 82,34 15,481
499 21 20 14 66,66 70 14,166
607 20 15 9 45 60 14,75
Por medio del programa SPSS a la siguiente tabla de datos se le hizo un análisis estadístico de Regresión y Correlación, para el cual obtuvimos los siguientes resultados:REGRESION:
Coeficientes
Coeficientes no estandarizados Coeficientes estandarizados t Sig.
Modelo B Error típ. Beta
1 (Constante) 1117,485 199,915 5,590 ,000
OFRECIDA -8,405 5,312 -,570 -1,582 ,123
CURSADAS 16,442 9,165 1,091 1,794 ,082
APROBADA -12,850 6,905 -,876 -1,861 ,072
EFICIENC -2,400 1,791 -,298 -1,340 ,189
EFICACIA -6,017 3,240 -,436 -1,857 ,072
PROMEDIO -1,013 7,900-,008 -,128 ,899
a Variable dependiente: ORDEN
La regresión lineal es un método matemático que modeliza la relación entre una variable dependiente Y, las variables independientes Xi y un término aleatorio. Este modelo que se nos presenta a continuación puede ser expresado de la siguiente manera:
Recordemos que la variable dependiente es el orden, es decir Y, y las otras variables (xi) son...