101
Tecnología y Ciencias del Agua
, vol. VIII, núm. 3, mayo-junio de 2017, pp. 93-110
Segura-Castruita & Ortiz-Solorio,
Modelación de la evapotranspiración potencial mensual a partir de temperaturas máximas-mínimas y altitud
ISSN 2007-2422
•
Modelación de la
ETP
general y mensual
El análisis de varianza de la regresión lineal
múltiple para obtener el modelo general, utili-
zando todas las variables, mostró que la variable
TN
tuvo una probabilidad de rechazo de 0.074,
mayor que la propuesta (
P
≤ 0.05) y una
Fc
de
3.21 (
P
≤ 0.05) más baja respecto al resto de las
variables, lo que sugiere que un modelo con las
variables
TX
,
AL
y
ME
podría ser más adecua-
do. En cambio, en los modelos para cada mes, la
significancia de las variables
TN
y
AL
varió en
función de los meses o temporada del año. La
AL
tuvo probabilidades de rechazo menor que
0.05 y
Fc
mayores que los de
TN
en los meses
de noviembre a febrero, lo que sugiere que en
estos meses considerar a
TX
,
AL
y
ME
(variable
categórica) en los modelos es más apropiado;
mientras que
TN
tuvo más significancia que
AL
en el resto de los meses. Una vez que se genera-
ron nuevamente los modelos correspondientes,
se tuvieron los siguientes resultados:
• Los modelos
ETP
g
y
ETP
m
fueron
estadísticamente significativos (
P
≤ 0.05)
y se ajustaron con precisión a los datos
(cuadros 5 y 6, respectivamente). Además,
sus variables independientes tuvieron
una moderada correlación; es decir,
baja multicolinealidad, ya que su
FIV
se
encontró en el rango 1-5, lo que eliminó la
redundancia de las variables independientes
en la explicación del comportamiento de la
variable dependiente (Katz, 2011).
El modelo general tuvo un
R
2
ajustado igual
a 0.7911 y un
R
2
predicho de 0.7896; es decir,
tiene una capacidad predictiva de 78.96%. Este
resultado sugiere que
ETP
g
es adecuado para
la estimación de la evapotranspiración en cual-
quier época del año, ya que las variables
TX
,
AL
y
ME
explican un 79.18% del comportamiento
de la
ETP
, donde el aumento de un grado Cel-
sius en
TX
incrementa 8.140 mm la
ETP
, con la
adición de 1.82 mm cada vez que se incrementan
100 metros en la altitud, a la que se sustrae 1.757
mm por el efecto del mes y finalmente la resta
de 95.10 mm de la constante.
Por otra parte, el modelo mensual está in-
tegrado por 12
MRLM
; cada uno corresponde
a un mes del año (cuadro 6). Las ecuaciones de
regresión tienen un
R
2
ajustado que va de 0.7649
a 0.9942, siendo menor en el mes de noviembre
y mayor en agosto, con una capacidad predicti-
va de 75.01 a 99.37%, respectivamente.
Los coeficientes de determinación de las
regresiones para cada mes son adecuados,
siendo estos una primera medida de evaluación
(Martínez-Rodríguez, 2005); así como el valor de
Fc
(
P
≤ 0.05) varió de 131.89 hasta 6920.96, lo que
indica su significancia estadística y fortalece su
validez. Por otra parte, las variables indepen-
dientes de estas ecuaciones fueron significativas
(
P
≤ 0.05) y diferentes en cada una de ellas; ade-
más, tienen baja multicolinealidad. La
TX
tuvo
mayor efecto sobre el comportamiento de la
ETP
y apareció en todos los modelos; las variables
TN
y
AL
tuvieron efectos en función de la tem-
porada del año, de tal manera que
AL
influyó
principalmente en invierno (de noviembre a fe-
brero), y
TN
en el resto del año. Wong-González
(2010) señala que la magnitud de los coeficientes
de las variables independientes influye en el
comportamiento de la variable dependiente. Los
valores de los coeficientes de esta investigación
se muestran en un orden de mayor a menor
Cuadro 5. Análisis de varianza del modelo de regresión lineal múltiple
ETPg
.
Parámetro Coef.
Fc
P FIV
Modelo
R
2
R
2
aj.
Regresión
1 226.98 0.000
ETP
g
= 8.140*
TX
+ 0.018226*
AL
– 1.757*
ME
– 95.10 0.7918 0.7911
Constante
-95.10
0.000
TX
8.140 3 465.43 0.000 1.55
AL
0.018226 710.92 0.000 1.55
ME
-1.757 125.38 0.000 1.00
