2. IMPORTAR DATOS DE EXCEL A SPSS
Archivo
Abrir
Datos
Seleccionamosel tipode
archivoa importar (Excel)
Buscamosel archivoExcel a importar
Datos
3. ESTIMACIÓN DEMODELO Y VALORACIÓN DEAJUSTE
Resumen del modelob
Modelo R R cuadrado
R cuadrado
ajustado
Error estándar
de la estimación
1 ,993a
,986 ,982 2028,7796711
a. Predictores:(Constante),mineros ,pesqueros ,agricolas,quimicos
b. Variable dependiente:exportaciones
Correlaciones
. Valores de R cuadrado indican queel modelo se ajusta bien a los datos. R cuadrado = 0.986 indica
que el 98.6% de la variabilidad de Y es explicada por la relación con las X. El valor R (0.993)
representa el valor absolutodel Coeficiente de Correlación, es decir es un valor entre 0 y 1. Valores
próximos a 1 indican una fuerte relación entre las variables% restante está explicado por otros
factores que están fuera del modelo.
Analizar_regresión_lineales
Especificarvariablesdependiente y
variablesindependientes
4. SUPUESTO DE MULTICOLINEALIDAD exportaciones pesqueros agricolas quimicos mineros
exportaciones Correlación de Pearson 1 ,906**
,883**
,988**
,868**
Sig. (bilateral) ,000 ,000 ,000 ,000
N 21 21 21 21 21
pesqueros Correlación de Pearson ,906**
1 ,835**
,871**
,668**
Sig. (bilateral) ,000 ,000 ,000 ,001
N 21 21 21 21 21
agricolas Correlación de Pearson ,883**
,835**
1 ,881**
,721**
Sig. (bilateral) ,000 ,000 ,000 ,000
N 21 21 21 21 21
quimicos Correlación de Pearson ,988**
,871**
,881**
1 ,915**
Sig. (bilateral) ,000 ,000 ,000 ,000
N 21 21 21 21 21
mineros Correlación de Pearson ,868**
,668**
,721**
,915**
1
Sig. (bilateral) ,000 ,001 ,000 ,000
N 21 21 21 21 21
**. La correlación es significativa en el nivel 0,01 (bilateral).
1 Analizar
2 Correlaciones
3 Bivariadas
A la vista de la matriz de correlaciones podemos observar quetodas las variables
explicativas están fuertemente relacionadas entre sí, presentado coeficientes de
correlación lineal superiores en todo caso a 0,7 en valor absoluto. Esto es un
indicio claro de presencia de multicolinealidad en el modelo.
5. PRUEBA DENORMALIDAD
Es recomendable elegir la prueba de Shapiro-Wilk si las muestras son
Pequeñas (n<30).
Pruebas de normalidad
Kolmogorov-Smirnova
Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
exportaciones ,198 21 ,032 ,874 21 ,011
pesqueros ,104 21 ,200*
,982 21 ,955
agricolas ,180 21 ,074 ,866 21 ,008
quimicos ,176 21 ,088 ,857 21 ,006
mineros ,291 21 ,000 ,743 21 ,000
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors
1 Analizar _ 2 estadísticos descriptivos _3 explorar
4 Especificarlasvariables
5 Gráficos
6 Histograma
7 Gráficosde
normalidadconpruebas
Comola significanciaesmayorque 0.05 que es el gradode
confianza,vemosentoncesque sigue unadistribución
normal
6. PRUEBA DE HETEROCEDASTICIDAD
En el gráfico podemos observar,
razonablemente, dicho comportamiento si
exceptuamos algún residuo atípico que está
por encima de 2. No apreciamos una tendencia
clara en este gráfico, los residuos no presentan
estructura definida respecto de los valores
predichos por el modelo por lo que no
debemos rechazar la hipótesis de
homocedasticidad.
1 Analizar
2 Regresión
3 Lineales
4 gráficos
5 se selecciona la
variable *ZRESID para el
eje Y
variable *ZPRED para el
eje X
7. PRUEBA DE AUTOCORRELACION
Resumen del modelob
Modelo Durbin-Watson
2 1,460a
a. Predictores:(Constante),quimicos ,pesqueros
b. Variable dependiente:exportaciones
SPSS proporciona el valor del estadístico de Durbin-Watson pero no muestra el
p-valor asociado por lo que hay que utilizar las tablas correspondientes. El
estadístico de Durbin-Watson mide el grado de autocorrelaciónentre el residuo
correspondiente a cada observación y la anterior. Si su valor está próximo a 2,
entonces los residuos están incorrelados, si se aproxima a 4, estarán
negativamente autocorrelados y si su valor está cercano a 0 estarán
positivamente autocorrelados. En nuestro caso,toma el valor 1.460, próximo a 2
lo que indica la incorrelación de los residuos.
1 analizar 3 Lineales
2 regresión
4 estadísticos
5 Durbin_watson