Material complementario I: Ecuación de Regresión para Humedad del suelo a Capacidad de Campo
En el presente complemento a la práctica se estimará la ecuación de regresión para el único indicador analítico que participa en el cálculo del Índice Global de la Calidad del Suelo (GSQI) y no ha sido estudiado en las prácticas, % Humedad a Capacidad de Campo. Se empleará el paquete estadístico SPSS v.17.
Paso I: Hallar la matriz de correlación de los ICS analíticos
Para ello vamos a emplear la Base de Datos de Suelos de Jaén. Se abre el archivo con la Base de Datos...
En primer lugar, vamos a obtener la matriz de correlación para ver qué indicadores están más correlacionados con la variable dependiente que queremos estimar. En la barra de menú pulsamos "Analizar" > "Correlaciones" > "Bivariadas".
Introducimos los indicadores, pulsamos aceptar y obtenemos en el archivo de resultados la matriz de correlación.
Si analizamos con detalle la matriz de regresión vemos que las variables más correlacionadas con "% Humedad a Capacidad de Campo" (código W33) son:
|
W33 |
Densidad aparente |
-,768** |
CO |
,639** |
Ntotal |
0,101 |
Carbonatos |
-0,069 |
pH |
0,07 |
arena |
-,602** |
limo |
,498** |
arcilla |
,355** |
grava |
,395** |
CE25 |
-0.062 |
Densidad aparente, CO, limo y arena (p < 0.01). Éstas serán (todas o algunas de ellas) las variables independientes del modelo de regresión que calcularemos a continuación.
Paso II: Hallar el modelo de Regresión
Se pulsa en el cuadro de diálogo "Analizar" > "Regresión" > "Lineales"
Se introducen todos los indicadores analíticos en "variables independientes" y "% Humedad a Capacidad de Campo" (código W33) en "variables dependientes"…
Se pulsa aceptar y obtenemos, en el archivo de resultados correspondiente una serie de tablas:
Resumen del modelob |
Modelo |
R |
R2 |
R2 corregida |
Error típ. de la estimación |
1 |
,861a |
,742 |
,723 |
5,03326 |
|
a. Variables predictoras: (Constante), arcilla, limo, grava, CO, arena, densidad aparente |
En esta tabla se nos confirma que nuestro modelo predice el 72,3% de la variabilidad (R2 corregida), con un coeficiente de correlación múltiple r = 0.861. Además, en la siguiente tabla:
ANOVAb |
Modelo |
Suma de cuadrados |
gl |
Media cuadrática |
F |
Sig. |
1 |
Regresión |
6108,877 |
6 |
1018,146 |
40,189 |
,000a |
Residual |
2128,029 |
84 |
25,334 |
|
|
Total |
8236,906 |
90 |
|
|
|
|
a. Variables predictoras: (Constante), arcilla, limo, grava, CO, arena, dens.apa
|
Se nos indica que el modelo es significativo (p < 0.001). Nos queda conocer los coeficientes de la ecuación de correlación:
Coeficientesa |
Modelo |
Coeficientes no estandarizados |
Coeficientes tipificados |
t |
Sig. |
B |
Error típ. |
Beta |
1 |
(Constante) |
-240,441 |
254,104 |
|
-,946 |
,347 |
CO |
4,017 |
2,003 |
1,009 |
2,006 |
,048 |
arena |
-,191 |
,284 |
-,358 |
-,671 |
,504 |
limo |
,267 |
,161 |
,361 |
1,652 |
,102 |
dens.apa |
154,856 |
163,594 |
,943 |
,947 |
,347 |
grava |
,066 |
,027 |
,159 |
2,476 |
,015 |
arcilla |
,730 |
,397 |
,960 |
1,840 |
,069 |
|
Lo que nos indica, desgraciadamente, que algunos de nuestros coeficientes no son significativos. Volvemos al menú
Y eliminamos como variables dependientes densidad aparente y arena, no significativas al 10% (valor que hemos puesto como umbral). Recalculamos el modelo:
Resumen del modelob |
Modelo |
R |
R2 |
R2 corregida |
Error típ. de la estimación |
1 |
,860a |
,739 |
,727 |
5,00226 |
|
a. Variables predictoras: (Constante), grava, limo, arcilla, CO |
Y observamos que, sin perder en absoluto significación global, los coeficientes de la ecuación:
Coeficientesa |
Modelo |
Coeficientes no estandarizados |
Coeficientes tipificados |
t |
Sig. |
B |
Error típ. |
Beta |
1 |
(Constante) |
3,009 |
2,188 |
|
1,375 |
,173 |
arcilla |
,352 |
,042 |
,463 |
8,294 |
,000 |
limo |
,224 |
,043 |
,303 |
5,168 |
,000 |
CO |
2,140 |
,266 |
,537 |
8,051 |
,000 |
grava |
,064 |
,026 |
,154 |
2,411 |
,018 |
|
Pasan a ser ahora plenamente significativos. Como última consideración, comprobaremos la normalidad de los residuos:
Que nos demuestran la plena validez y significación de nuestro modelo.
Paso III: Ecuación de Regresión Múltiple
En base a la tabla de coeficientes anterior, establecemos la ecuación de regresión final para "Humedad a Capacidad de Campo" (%W33):
A partir de la cual, podremos realizar los cálculos pendientes para los índices de calidad del suelo.
|