Análisis de regresión
Predice un resultado a partir de varias variables observadas — lineal o logística — con coeficientes, R², comprobaciones de VIF y resultados listos para APA.
Esta página es una traducción del original inglés revisado. Ver el original (EN)
análisis de regresiónQué es
El análisis de regresión estima cómo una o varias variables predictoras se relacionan con una única variable de resultado. La regresión lineal (OLS) se usa cuando el resultado es continuo — por ejemplo, una escala de valoración o una puntuación. Te da coeficientes no estandarizados (B) y sus errores estándar (SE), coeficientes estandarizados (β) para comparar predictores, valores t y valores p para las pruebas de significación, y R² (la proporción de varianza explicada). La regresión jerárquica añade predictores por bloques y reporta ΔR² y la prueba F de cambio para cada bloque, de modo que puedes ver cuánta varianza añade cada conjunto de predictores. La regresión logística se usa cuando el resultado es binario (sí/no). Reporta odds ratios (OR), el ajuste del modelo mediante −2 log-verosimilitud (−2LL) y pseudo-R², y una tabla de clasificación con AUC para evaluar la precisión predictiva. Ambos tipos reportan los factores de inflación de la varianza (VIF) y la tolerancia para señalar la multicolinealidad.
Cuándo usarlo
- Quieres predecir un resultado continuo a partir de varios predictores observados (medidos directamente) — usa regresión lineal.
- Quieres predecir un resultado binario (dos categorías) — usa regresión logística.
- Quieres mostrar cuánta varianza añade cada bloque de predictores — usa regresión lineal jerárquica.
- Estás probando un modelo teórico con variables observadas y un único resultado.
Cuándo no usarlo
- Tus predictores o tu resultado son constructos latentes (medidos por varios ítems). Usa CFA y luego CB-SEM o PLS-SEM, que tienen en cuenta el error de medida.
- Quieres probar la mediación a través de una tercera variable. Usa un análisis de mediación específico con intervalos de confianza bootstrap.
- Tienes más de una variable de resultado medida simultáneamente — considera enfoques multivariantes.
Supuestos
- Linealidad — la relación entre cada predictor y el resultado es lineal. Compruébalo con gráficos de residuos.
- Residuos normales — los errores del modelo se distribuyen aproximadamente normal. Compruébalo con un gráfico Q-Q de los residuos.
- Homoscedasticidad — la varianza de los residuos es constante a lo largo de los valores ajustados. Un gráfico de residuos en forma de abanico señala un problema.
- Sin multicolinealidad severa — los predictores no están demasiado correlacionados entre sí. Comprueba el VIF; valores por encima de 10 son problemáticos.
- Observaciones independientes — cada fila de tus datos proviene de un encuestado distinto e independiente.
Umbrales y valores de corte
| Criterion | Rule of thumb | Source |
|---|---|---|
| Significación (α) | p < .05 convencional | Convención NHST estándar |
| R² | Varía según el campo; reporta R² ajustado en muestras pequeñas para corregir la inflación por azar | Recomendaciones APA |
| VIF | VIF > 10 señala multicolinealidad severa; VIF > 5 es una advertencia conservadora | Hair et al. (2019) |
| Tolerancia | Tolerancia < .10 corresponde a VIF > 10; misma preocupación | Hair et al. (2019) |
| AUC (logística) | .70–.79 aceptable, .80–.89 excelente, ≥ .90 discriminación sobresaliente | Hosmer & Lemeshow (2000) |
Cómo informarlo en APA
El modelo de regresión fue estadísticamente significativo, F(3, 244) = 18.43, p < .001, R² = .18, R² ajustado = .17, lo que indica que los tres predictores explicaron el 18% de la varianza en la intención de compra. La sensibilidad al precio fue el predictor más fuerte (B = −0.42, SE = 0.09, β = −.31, p < .001). Los valores de VIF oscilaron entre 1.12 y 1.87, indicando que no hay problema de multicolinealidad.
Cómo lo ejecuta Explonia
En Explonia, abre tu estudio, elige Regression en Analyses y selecciona tu variable de resultado. Añade predictores a un bloque, o crea varios bloques para una regresión jerárquica. Explonia ajusta el modelo, reporta la tabla de coeficientes (B, SE, β, t, p), el ajuste del modelo (R², R² ajustado, F) y una columna de VIF para cada predictor. Para la regresión logística, elige un resultado binario y Explonia cambia la salida a odds ratios, −2LL, pseudo-R² y AUC. El cuadro Article description redacta un párrafo en estilo APA a partir de tus resultados. Todos los análisis están disponibles en cada plan; el único límite entre planes es el número de respuestas de tu estudio.
Preguntas frecuentes
¿Cuál es la diferencia entre B y β en una tabla de regresión?
B (coeficiente no estandarizado) muestra cuánto cambia el resultado por cada cambio de una unidad en un predictor, en las unidades originales del predictor. β (coeficiente estandarizado) convierte todos los predictores a la misma escala para que puedas comparar su importancia relativa dentro del modelo.
¿Cuándo debería usar regresión logística en lugar de lineal?
Usa regresión logística cuando el resultado es binario (sí/no, compró/no compró). La regresión lineal asume un resultado continuo; aplicarla a un resultado binario puede producir valores predichos fuera del rango 0–1, lo que no tiene sentido.
¿Qué valor de VIF señala un problema de multicolinealidad?
Un VIF por encima de 10 es un umbral muy citado para la multicolinealidad severa. Algunos investigadores usan 5 como punto de corte más conservador. Un VIF alto infla los errores estándar y hace inestables las estimaciones de los coeficientes. Si el VIF es alto, considera eliminar o combinar predictores correlacionados.
¿Cuándo debería usar SEM en lugar de regresión?
Usa regresión cuando todos tus predictores se miden directamente (variables observadas). Usa SEM — en concreto CB-SEM basado en CFA o PLS-SEM — cuando los predictores o resultados son constructos latentes medidos por varios ítems, porque el SEM tiene en cuenta el error de medida que la regresión ignora.
Last updated: julio 2026
Ejecuta Análisis de regresión con tus propios datos
Recoge o sube tus datos, ejecuta el análisis en tu navegador y obtén un borrador de párrafo APA que puedes editar. Empieza gratis. Sin tarjeta.
Empezar gratis