La regresión puede proporcionar estimaciones numéricas de las relaciones entre múltiples predictores y un resultado.  También puede permitir a los investigadores predecir el valor de un resultado dados los valores específicos de los predictores.  Esta página proporciona una guía paso a paso sobre cómo utilizar la regresión para la predicción en Excel.  Si tiene alguna pregunta después de leerla, envíeme un correo electrónico a MHoward@SouthAlabama.edu.

---

La regresión determina la relación lineal entre los predictores y un resultado.  Si necesita un repaso de la regresión, consulte mi otra guía sobre Regresión en Excel.  Una vez obtenidos los resultados de la regresión, específicamente los coeficientes beta no estandarizados, puede utilizar estos resultados para estimar los valores del resultado dados los valores especificados de los predictores.  Por ejemplo, puede utilizar la regresión para…

• Estimar el valor del rendimiento laboral a partir de valores específicos de satisfacción laboral y concienciación.
• Estimar los ingresos de una empresa en función de su cuota de mercado y su ubicación.
• Estimar el peso de una persona en función de su altura.

La lista de ejemplos podría ser interminable.  Sin embargo, para estimar un valor del resultado a partir de determinados valores del predictor o predictores, primero tenemos que realizar un análisis de regresión.  Si no dispone de un conjunto de datos, puede descargar el conjunto de datos de ejemplo aquí. En el conjunto de datos, estamos investigando las relaciones de la satisfacción laboral y la deseabilidad social con el rendimiento laboral.  Ejecuta la regresión utilizando todos los predictores.  En el ejemplo, la satisfacción laboral y la deseabilidad social predeciría el rendimiento laboral.  Si necesitas ayuda para realizar este análisis para este ejemplo, consulta mi guía sobre Regresión en Excel.

Los resultados de tu regresión deberían ser como los siguientes:

Vamos a querer predecir el resultado mediante el uso de los coeficientes beta no estandarizados, que sólo están etiquetados como “Coefficients” en la salida de Excel.  Multiplicamos estos coeficientes por los valores especificados de los predictores para predecir nuestro resultado.  Como puede ver, la ecuación de regresión no estandarizada de estos resultados fue: y = .829 + .401(JS) + .379(SD).  Por lo tanto, vamos a utilizar Excel para multiplicar .401*JS así como .379*SD, antes de sumarlo todo para obtener nuestro valor predicho.  Si esto te resulta confuso, no dejes de ver mi vídeo de YouTube sobre “Inferencias con regresión”.

En primer lugar, vamos a copiar y pegar nuestras etiquetas y coeficientes beta no estandarizados en una nueva ventana de Excel.  Por lo tanto, resalte las celdas de abajo:

Y pegarlas en una nueva ventana.

Ahora, queremos etiquetar la primera columna vacía y añadir un “1” debajo de la etiqueta.  Debería aparecer como en la imagen de abajo:

A continuación, introduzca los valores especificados para la satisfacción laboral y la deseabilidad social en las celdas situadas debajo del “1”.  En este ejemplo, vamos a elegir los valores de “5” para la satisfacción laboral y “1” para la deseabilidad social.  Esto significa que queremos predecir el valor del desempeño laboral de un empleado cuando su satisfacción laboral es 5 y su deseabilidad social es 1.

Ahora queremos etiquetar la siguiente columna con la palabra “Multiplicar”, ya que vamos a utilizarla para multiplicar los números de las filas.  Entonces, siga adelante y multiplique los dos números de la Fila 2 juntos en esta nueva columna, como se ve en la imagen de abajo.  Probablemente sería más fácil escribir “=B2*C2” para apuntar directamente a las celdas con los números deseados.

Haz lo mismo con las dos filas siguientes.

Por último, queremos etiquetar nuestra última columna como “Suma” y utilizar la función =SUMA() para sumar los números.  Para ello, escribe “=SUMA(“, resalta los tres números de la columna multiplicar, escribe “)” y pulsa la tecla Intro.  El resultado debería parecerse a las imágenes siguiente.

¿Has obtenido este número?  Si es así, ¡genial!  Si no es así, inténtalo de nuevo hasta que obtengas el valor correcto.

A partir de este resultado, esperaríamos un valor de rendimiento laboral de 3.214 dado un valor de satisfacción laboral de 5 y un valor de deseabilidad social de 1. Por lo tanto, pudimos predecir el rendimiento laboral dados estos valores de satisfacción laboral y deseabilidad social.  ¡Buen trabajo!

En otras palabras, los pasos de nuestra ecuación eran los siguientes:

• y = .829 + .401(JS) + .379(SD)
• y = .829 + .401(5) + .379(1)
• y = .829 + 2.007 + .379
• y = 3.214

Puede realizar análisis similares utilizando cualquier tipo de salida de regresión.  Si alguna vez necesitas ayuda con esto, envíame un correo electrónico a MHoward@SouthAlabama.edu.