Todos los tutoriales de SPSS

Tutorial 38 de 44 Regresión

Supuestos de la regresión en SPSS: cómo verificarlos

Pegaste tu regresión sin revisar los supuestos y un solo caso arrastra el modelo. Aprende a verificar residuos, homocedasticidad y VIF en SPSS.

Cuándo se usa

Una regresión lineal solo se puede defender si cumple sus supuestos. Verificarlos es parte obligatoria del análisis, no un extra: el asesor los pide, y el jurado suele preguntar por ellos antes que por los coeficientes.

Los supuestos que se revisan en una tesis son cuatro:

  1. Normalidad de los residuos. Los errores del modelo siguen una distribución normal.
  2. Homocedasticidad. La dispersión de los residuos es similar en todo el rango de valores pronosticados.
  3. Independencia de los residuos. Los errores no están correlacionados entre sí.
  4. Ausencia de multicolinealidad. Las predictoras no se repiten entre sí. Aplica cuando hay dos o más.

A eso se suma la búsqueda de casos influyentes: observaciones que, por sí solas, cambian el modelo.

Antes de empezar (qué necesita tu base)

  • El modelo definido: una dependiente numérica y sus predictoras.
  • Las fichas o encuestas físicas numeradas, para verificar cualquier caso extremo.
  • Datos perdidos declarados.
  • La base guardada antes de empezar, porque el procedimiento crea columnas nuevas.

El ejemplo es una tesis con 80 mypes de Piura. Se busca explicar las ventas mensuales, en miles de soles, con la inversión en publicidad y la antigüedad del negocio.

Paso a paso en SPSS

  1. Ve a Analizar > Regresión > Lineal.
  2. Pasa Ventas a Dependiente, y Publicidad y Antiguedad a Independientes.
  3. Haz clic en Estadísticos. Marca Durbin-Watson, Diagnósticos de colinealidad y Diagnósticos por caso, con valores atípicos fuera de 3 desviaciones típicas. Pulsa Continuar.
  4. Haz clic en Gráficos. Pasa ZRESID al eje Y y ZPRED al eje X. Marca Histograma. Pulsa Continuar.
  5. Haz clic en Guardar. En Residuos marca Tipificados y en Distancias marca Cook. Pulsa Continuar.
  6. Pulsa Aceptar. SPSS crea dos columnas en la base: ZRE_1 y COO_1.
  7. Ve a Analizar > Estadísticos descriptivos > Explorar.
  8. Pasa ZRE_1 a Lista de dependientes y, en Gráficos, marca Gráficos de normalidad con pruebas. Pulsa Aceptar.
  9. Revisa la tabla Diagnósticos por caso y la columna COO_1 en la Vista de datos.
  10. Si un caso extremo resulta ser un error de digitación, corrígelo con la ficha física, borra las columnas ZRE_1 y COO_1 y repite todo desde el paso 1.

Cómo leer el resultado

Normalidad de los residuos. Se prueba en la columna ZRE_1, no en las variables originales. Con 50 casos o más se lee Kolmogórov-Smirnov; con menos, Shapiro-Wilk. Una Sig. mayor que 0,05 indica residuos normales. El histograma acompaña a la prueba.

Homocedasticidad. Se evalúa en el gráfico de ZPRED contra ZRESID. Una nube de puntos sin forma definida indica que se cumple. Una forma de embudo, que se abre o se cierra, indica heterocedasticidad.

Independencia. El estadístico de Durbin-Watson, en el Resumen del modelo, va de 0 a 4. Un valor cercano a 2 indica que no hay autocorrelación.

Multicolinealidad. La columna VIF de la tabla Coeficientes. Mayor que 10 es grave, y varios autores alertan desde 5.

Casos influyentes. La distancia de Cook. Un valor mayor que 1 señala un caso que arrastra el modelo.

En el ejemplo, la primera corrida dio Kolmogórov-Smirnov con Sig. de 0,001 en los residuos: no eran normales. El histograma mostraba una barra aislada a la derecha. Diagnósticos por caso listó el caso 14, con un residuo tipificado de 8,541, y su distancia de Cook era 1,048. Sus ventas figuraban como 417,0 miles de soles; en la ficha física decía 41,7. Se había omitido la coma al digitar.

Con el dato corregido: Kolmogórov-Smirnov con Sig. de 0,200, residuos normales; Durbin-Watson de 2,108; VIF de 1,005; distancia de Cook máxima de 0,112; y el gráfico de residuos como una nube sin embudo. Los cuatro supuestos se cumplen.

El R cuadrado pasó de 0,060 a 0,743. Un solo caso escondía el modelo real.

Si el valor extremo es real y está bien digitado, no se corrige ni se elimina: se reporta y se justifica.

Cómo redactarlo en tu tesis

Un párrafo modelo en formato APA 7:

Antes de interpretar el modelo se verificaron los supuestos de la regresión lineal. Los residuos tipificados siguieron una distribución normal (Kolmogórov-Smirnov, p = 0,200). El gráfico de residuos frente a valores pronosticados no mostró un patrón definido, lo que indica homocedasticidad. El estadístico de Durbin-Watson fue de 2,108, valor cercano a 2 que indica independencia de los residuos. No se observó multicolinealidad entre las predictoras (VIF = 1,005) ni casos influyentes (distancia de Cook máxima = 0,112). En consecuencia, el modelo cumple los supuestos requeridos.

Suele presentarse como una tabla de supuestos con cuatro filas: el supuesto, la prueba o criterio, el valor obtenido y la decisión, con un autor que respalde cada criterio. Si se corrigió un dato, se declara en el método.

Errores frecuentes

Presentar la regresión sin verificar los supuestos. El modelo queda sin sustento, y es la primera observación del asesor.

Probar la normalidad de las variables en lugar de la de los residuos. El supuesto se refiere a los errores del modelo. Evaluar lo que no corresponde lleva a abandonar una regresión válida o a transformar variables sin necesidad.

Reportar los errores estándar habituales cuando el gráfico tiene forma de embudo. Con heterocedasticidad, las significaciones dejan de ser confiables. Ese caso tiene su propio procedimiento, y hacerlo mal obliga a rehacer el análisis.

Incluir el VIF como supuesto con una sola predictora. No hay con qué compararla. El jurado nota de inmediato que la tabla se copió de otro modelo.

Eliminar un caso solo porque afecta el resultado. Un caso se corrige con la fuente original o se mantiene y se justifica.

En MiTítulo, antes de defender una regresión revisamos los cuatro supuestos en tu base: normalidad de los residuos, homocedasticidad, independencia con Durbin-Watson y colinealidad con el VIF. Y buscamos casos influyentes con la distancia de Cook.

Preguntas frecuentes

¿Desde qué valor el VIF es un problema?

Mayor que 10 es grave. Varios autores alertan desde 5.

¿Durbin-Watson aplica a una encuesta?

Fue pensado para datos ordenados en el tiempo. En una encuesta se reporta de todos modos, porque los asesores lo piden.

¿Y si los residuos no son normales y no hay errores de digitación?

Ese caso se trabaja de otra manera, y es un punto donde muchas tesis reciben observaciones.

Una coma perdida y tu regresión entera queda sin base. Escríbenos al WhatsApp y revisamos tu caso sin costo.

Escríbenos al WhatsApp
Diagnóstico sin costo