¡Esta información vale millones! Me gusta que los videos sean concretos y faciles de comprender, para mí y para muchos han sido de gran utilidad Pd: Hacen falta más profes como usted, que incentiven a los alumnos a superarse
Excelente video y excelente explicación sobre la regresión lineal simple, gracias a este video pude tener un mejor conocimiento acerca de la regresión lineal simple.Buena capsula 👍
Si tus datos no siguen una distribución normal y estás interesado en realizar un análisis equivalente a la regresión lineal simple en SPSS, puedes considerar el uso de métodos de regresión no paramétricos. Estos métodos no asumen una distribución normal de los datos y son útiles cuando las relaciones entre variables no son lineales o cuando los datos tienen una distribución sesgada. Una opción común es la regresión de rangos. La regresión de rangos, como la regresión de Spearman o Kendall, utiliza los rangos de los datos en lugar de los valores brutos. Esto la hace menos sensible a los datos atípicos y a las distribuciones no normales. Otra alternativa es la regresión robusta. La regresión robusta está diseñada para ser insensible a los valores atípicos y puede manejar bien las distribuciones no normales. SPSS ofrece opciones para realizar regresiones robustas que son menos sensibles a los valores extremos y a las distribuciones anormales. Además, podrías considerar el uso de modelos de regresión basados en árboles, como los árboles de decisión o los modelos de bosques aleatorios. Estos modelos no requieren la normalidad de los datos y pueden capturar relaciones no lineales y complejas entre variables. Para aplicar estos métodos en SPSS, necesitarás acceder a las opciones correspondientes en el menú de análisis o utilizar la sintaxis de comandos de SPSS. Si no estás familiarizado con estas técnicas, podría ser útil consultar la documentación de SPSS o buscar tutoriales específicos que expliquen cómo implementar estos métodos en tu análisis. Saludos
¡Esta información vale millones!
Me gusta que los videos sean concretos y faciles de comprender, para mí y para muchos han sido de gran utilidad
Pd: Hacen falta más profes como usted, que incentiven a los alumnos a superarse
¡Gracias! 😊 Tus palabras significa mucho para mí.
Muy buen video, con una explicación muy fácil de entender y aborda muy bien y completo el tema.
¡Gracias por tu amable comentario! Me alegra que te haya gustado el video😉
Excelente video y excelente explicación sobre la regresión lineal simple, gracias a este video pude tener un mejor conocimiento acerca de la regresión lineal simple.Buena capsula 👍
Realmente aprecio tus palabras y tu tiempo para comentar👏
Excelente video, me sirvió de mucho en un trabajo que tuve me abrió de más la mente, muy buena explicación 👏🏽 y excelente interpretación .
Me da mucho gusto leer tu comentario, saludos😉
Muchas gracias profesor, muy entendible el procedimiento
Gracias por comentar😜
muy buen video, esta todo bien explicado
Gracias, saludos😃
Muy buena cápsula, este ejemplo me ayudo mucho a complementar lo visto en clase y a mejorar el análisis de los datos obtenidos.🎉👏🏼
!Excelente!😁
Si mis datos no siguen una distribución normal, existe en SPSS un equivalente no paramétrico de la regresión lineal simple? Gracias!
Si tus datos no siguen una distribución normal y estás interesado en realizar un análisis equivalente a la regresión lineal simple en SPSS, puedes considerar el uso de métodos de regresión no paramétricos. Estos métodos no asumen una distribución normal de los datos y son útiles cuando las relaciones entre variables no son lineales o cuando los datos tienen una distribución sesgada.
Una opción común es la regresión de rangos. La regresión de rangos, como la regresión de Spearman o Kendall, utiliza los rangos de los datos en lugar de los valores brutos. Esto la hace menos sensible a los datos atípicos y a las distribuciones no normales.
Otra alternativa es la regresión robusta. La regresión robusta está diseñada para ser insensible a los valores atípicos y puede manejar bien las distribuciones no normales. SPSS ofrece opciones para realizar regresiones robustas que son menos sensibles a los valores extremos y a las distribuciones anormales.
Además, podrías considerar el uso de modelos de regresión basados en árboles, como los árboles de decisión o los modelos de bosques aleatorios. Estos modelos no requieren la normalidad de los datos y pueden capturar relaciones no lineales y complejas entre variables.
Para aplicar estos métodos en SPSS, necesitarás acceder a las opciones correspondientes en el menú de análisis o utilizar la sintaxis de comandos de SPSS. Si no estás familiarizado con estas técnicas, podría ser útil consultar la documentación de SPSS o buscar tutoriales específicos que expliquen cómo implementar estos métodos en tu análisis.
Saludos
Gracias!@@Elias_Alvarado