Professional Documents
Culture Documents
80 80
60 60
escala de estrs
Puntu acin escala de estrs
40 40
0 0
Pu nt u aci
n
20 20
0 20 40 60 80 100 0 20 40 60 80 100
Estrategias
afrontamiento
de
Estrategias de afrontamiento
Los dos parmetros de la ecuacin de regresin lineal simple, 0 y 1, son
conocidos como el origen (tambin, constante) y la pendiente del modelo,
respectivamente. En conjunto reciben el nombre de coeficientes de la ecuacin
de regresin. Si la ecuacin de la recta de regresin es obtenida a partir de una
muestra, y no de una poblacin (esto es, los coeficientes de la ecuacin de
regresin son estadsticos, y no parmetros), la ecuacin se expresa como:
= b0 + b1
Y X1
Una vez que sean conocidos los valores de 0 y 1 del modelo de regresin
lineal simple, ste puede ser utilizado como modelo predictivo, esto es, para
realizar predicciones de los valores que tomar la variable de respuesta para
determinados valores de la variable explicativa. Basta para ello con sustituir en
la ecuacin de regresin el valor concreto de X que se quiera (Xi). Al hacerlo, se
obtendr el valor predicho para Y segn la ecuacin de regresin para aquellos
casos que en la variable X tomen el valor Xi. Este valor es conocido de forma
genrica como puntuacin predicha,
'
siendo representado simblicamente
Y o
como i Yi .
Ejercicio 1: A partir de la distribucin conjunta de las variables cuantitativas X
e Y y el correspondiente diagrama de dispersin, dibuja la recta de regresin
que mejor se ajuste a la nube de puntos. Cul ser la ecuacin de la recta de
18
17
X Y 16
15
14
2 5 13
12
11
4 9 10
9
8
5 11 7
6
5
6 13 4
3
2
8 17 1
0
0 1 2 3 4 5 6 7 8 9
X
Relaciones deterministas vs. probabilsticas y error de prediccin: El anterior
ejemplo representa el caso de una relacin determinista (perfecta) entre X e Y,
donde rXY = 1, en consecuencia, los
valores predichos a partir de X segn el modelo de regresin coincidirn exactamente con los
Y
valores observados en Y, no cometindose ningn error de prediccin. Sin
embargo, esta situacin es inusual en el mbito de las ciencias sociales y de la
salud, donde casi siempre nos encontramos con relaciones entre variables no
perfectas (rXY 1 o -1). En estos casos, cuando se utiliza la recta de regresin
para predecir el valor en Y a partir del valor en X de un determinado sujeto (Xi),
es probable que se cometa un error en la prediccin realizada. A este error se
le suele denominar como error de prediccin o residual (Ei) y queda definido,
por tanto, como la diferencia entre el verdadero
Yi
valor de un sujeto en la variable Y ( ) y su valor predicho segn la ecuacin de regresin ( Y i ):
=
Ei Yi Yi
Y i Y i Ei
14
X Y
12
2 6 10
4 9 8
Y
5 10 6
6 14 4
8 15
2 Sq r lineal = 0,934
0 2 4 6 8
X
Utilizando la ecuacin de regresin ajustada a los datos, qu error cometemos
al predecir Y a partir de X para cada uno de los 5 casos?
Por ejemplo, para el cuarto sujeto en la tabla (X4 = 6), el valor predicho es 12,4
Y
( 4 = 2,8+1,66 = 12,4) y, en consecuencia, su error de prediccin o residual es
1,6 (E4 = 1412,4). Del mismo modo, para el resto de casos:
X Y Y E
2 6 6,0 0
4 9 9,2 -0,2
5 10 10,8 -0,8
6 14 12,4 1,6
8 15 15,6 -0,6
14
12
1412,4 = 1,6
10
8
Y
2 Sq r lineal = 0,934
0 2 4 6 8
Otro ejemplo (Losilla y cols., 2005) para el caso de las variables X e Y cuyo
diagrama de dispersin se muestra a continuacin, siendo la correspondiente
ecuacin de regresin:
= 0,6 + 0,45X
Y
A la derecha se muestra el error de prediccin, segn el modelo de
regresin ajustado, para el sujeto cuya puntuacin en X y en Y es,
respectivamente, 1,65 y 1,8.
Interpretacin de 0 y 1: El origen (o constante) de la ecuacin de la recta de
En cuanto que representa el incremento en por cada incremento de X en
una unidad, el valor
Y
de la pendiente estar expresado en las mismas unidades que la variable
de respuesta Y.
Valores que puede tomar 1
Y 1 >0 Y 1 <0
X X
Figura A. Relacin lineal positiva (directa). Figura B. Relacin lineal negativa (inversa).
Y 1 =0 Y 1 =0
X X
Figura C. Ausencia de relacin. Figura D. Relacin no lineal: curvilnea.
Caso 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
Estrs 61 26 32 22 38 80 17 10 47 15 50 25 50 30 78 10 35 31 4 6 7 17 37 45 50 67 70
Afronta 38 80 40 84 62 18 65 78 22 60 50 58 20 45 19 84 63 43 87 84 83 85 35 15 29 28 35
100
80
60
trsPuntu acin esc ala de es
40
20
0
0 20 40 60 80 100
Estrategias de afrontamiento
Curso 2009-2010
2. Ajuste de la recta de regresin
2 2
min(SCE) = min
Mejor modelo de regresin
E ) = min ((Y i
( i Yi ) )
Tras realizar las derivaciones matemticas pertinentes, de acuerdo al mtodo
de mnimos cuadrados ordinarios, las frmulas de obtencin de los parmetros
de la ecuacin de regresin que van a satisfacer que la SCE sea mnima son las
siguientes:
1 = 0 = Y 1
XY
Y X
X
Ejercicio 2: