La regresión es una herramienta poderosa. Afortunadamente, las regresiones pueden calcularse fácilmente en Excel. Esta página contiene una breve lección sobre cómo calcular una regresión en Excel. Como siempre, si tienes alguna pregunta, envíame un correo electrónico a MHoward@SouthAlabama.edu.
El modelo típico de regresión es la regresión lineal, que identifica una relación lineal entre los factores de predicción y un resultado. En otras palabras, una regresión puede indicar la relación de uno o varios predictores con un único resultado. La regresión también pone a prueba cada una de estas relaciones mientras controla los demás predictores, y puede utilizarse para responder a las siguientes preguntas y otras similares:
- ¿Cuál es la relación de la satisfacción laboral y la capacidad del líder en la predicción de la satisfacción laboral de los empleados?
- ¿Cuál es la relación entre las horas estudiadas y las notas de los exámenes?
- ¿Cuál es la relación entre la altura, el peso y la envergadura de un jugador de la NBA y el número de puntos anotados por partido?
Por supuesto, la regresión tiene más matices, pero vamos a simplificarla. Para responder a estas preguntas, podemos utilizar Excel para calcular una ecuación de regresión. Si no tienes un conjunto de datos, puedes descargarlo aquí. En el conjunto de datos, estamos investigando las relaciones de la satisfacción laboral y la deseabilidad social con el rendimiento laboral.
Los datos deberían tener este aspecto
Si su conjunto de datos tiene un aspecto diferente, debe intentar formatearlo para que se parezca a la imagen anterior. Las siguientes instrucciones pueden ser un poco confusas si sus datos tienen un aspecto diferente.
Una vez que tenga los datos abiertos, el primer paso es hacer clic en la pestaña Datos de la parte superior. Luego, haga clic en Data Analysis, como se ve a continuación:
Si funcionó, debería haber aparecido la siguiente ventana. Deberás hacer clic en Regresión, y luego presionar OK.
Debería aparecer la siguiente ventana. En esta ventana, primero debe hacer clic en el icono para identificar su Rango Y de Entrada. Esto representa los datos de resultado. Luego, necesita resaltar (hacer clic y arrastrar) sus datos de resultado y etiquetas. Luego, presione el ícono nuevamente. Esto identificará sus datos de resultado relevantes.
A continuación, haga clic en el icono para identificar el rango X de entrada. Esto representa sus datos de predicción. Luego, tiene que resaltar (pulsar y arrastrar) sus datos predictores y etiquetas. Después, pulse el icono de nuevo. De este modo se identificarán los datos relevantes del predictor.
Ahora, haga clic en Labels y luego en OK.
Ahora obtendremos los resultados. Deberían parecerse a los siguientes.
Al leer la tabla siguiente, podemos mirar la columna de coeficientes para encontrar los valores beta asociados. De esta tabla, podemos ver que la beta no estandarizada para el intercepto es .829.
La beta no estandarizada para la satisfacción laboral es .401
Y la beta no estandarizada para la deseabilidad social es de .379.
Además, podemos utilizar esta tabla para determinar la importancia de nuestros predictores. El valor P asociado a la satisfacción laboral es inferior a .001.
Además, el valor P asociado a la deseabilidad social es inferior a .01.
Por último, podemos ver que el R-cuadrado del modelo es de .53.
En conjunto, la ecuación de regresión para estos resultados es: y = .829 + .401(JS) + .379(SD); tanto la satisfacción laboral como la deseabilidad social fueron estadísticamente significativas (p < .001 & < .01, respectivamente); y el R-Cuadrado total fue de .53 para el modelo. Por supuesto, los resultados proporcionan otra información que puede ser útil para sus objetivos específicos, pero la guía actual sólo cubre los aspectos básicos.
Ahora debería ser capaz de realizar una regresión en Excel. Como siempre, si tienes alguna pregunta o comentario, ¡escríbeme a MHoward@SouthAlabama.edu!
Dr. Matt C. Howard 