Capitulo 4 de Regresion Logistica

Anlisis estadstico de los factores de riesgo
enfermedad Angina de Pecho. Flores Manrique, Luz
que
influyen
en
la
Derechos reservados conforme a Ley
CAPTULO IV
ANALISIS DE LOS DATOS
4.1
DESCRIPCIN DE LOS DATOS
Como ya se mencion anteriormente, el tamao de la poblacin

con la que se est trabajando es de 149 observaciones, 69 de
ellas presentan la enfermedad Angina de Pecho y el resto no.
Las variables observadas son:

Angina (Y1)
Presencia
de
la
enfermedad
Angina
de
Pecho en el paciente.
0
No se presenta.
S se presenta.
Edad (X1)
Edad en aos cumplidos del paciente.
Sexo (X2)
Sexo del paciente.
Colesterol (X3)
Femenino.
Masculino.
Cantidad de colesterol que contiene la

sangre del paciente.
Unidad de Medida : mg/dl.
Valor Normal : 140 200 mg/dl.
Triglicridos (X4)
Cantidad de triglicridos que contiene

la sangre del paciente.
Unidad de Medida : mg/dl.
Valor Normal : 45 150 mg/dl.
Elaboracin y diseo en formato PDF, por la Oficina General del Sistema de Bibliotecas y Biblioteca
Central UNMSM

que
influyen
en
la
Glucosa (X5)
Cantidad
de
glucosa
en
la
sangre
del
paciente.
Unidad de Medida : mg%.
Valor Normal : 70 110 mg%.
HTA (X6)
El
paciente
Hipertenso.
Informacin
proviene de la Historia Clnica.
Obesidad (X7)
No la presenta.
S la presenta.
Paciente
con
Informacin
diagnstico
proviene
de
de
obesidad.
la
Historia
Clnica.
4.2
No tiene.
S tiene.
MODELO DE REGRESIN LOGSTICA
P=
1+ e
(0 +1 X1 + 2 X 2 + 3 X 3 + 4 X4 + 5 X 5 + 6 X6 +7 X7 )
Hiptesis:
H0
1 = 2 = ..... = 7 = 0
H1
i 0
0
H0
Las
para i = 1,...,7
equivalente
variables
independientes
(X1,
X2,...,X7)
no
influyen significativamente sobre la enfermedad

Angina de Pecho (Y 1)
H1
Las
variables
independientes
(X1,
X2,...,X7)
influyen significativamente sobre la enfermedad

Angina de Pecho (Y 1)
Central UNMSM

que
influyen
en
la
4.3
AJUSTE DEL MODELO DE REGRESIN LOGSTICA
4.3.1
EVALUACIN
DEL
INCREMENTO
DEL
ESTADSTICO
2LLO
BONDAD DE AJUSTE
Este
ajuste
se
efecta
mediante
el
software
estadstico
SPSS
vs. 9.0.
La Bondad de Ajuste del modelo 1:
los resultados se muestran
en el Anexo N 1.
Para el modelo que contiene slo el trmino constante, -2 Log

Likelihood, es igual a 205,42219, que se distribuye como X2(n-1)
= X2(149-1) = X 2(148)
Cuando las 7 variables explicativas 2 Log Likelihood es igual

a 98.797, para este estadstico, las hiptesis son:
H0
El modelo se ajusta perfectamente
H1
El modelo no se ajusta perfectamente
o equivalentemente
H0
-2 Log Likelihood = 1
H1
-2 Log Likelihood 1
Esta estadstica se distribuye como un X2(n-p), donde p = k+1, y

se rechaza la hiptesis nula (H0), si su valor es mayor que
X2(n-p) (), con de nivel de significacin (0.05) =169.71
Central UNMSM

que
influyen
en
la
Como se observa 98.797 no es mayor que
169.71, por lo tanto
no se rechaza la hiptesis nula; entonces, el modelo se ajusta

perfectamente.
La estadstica Modelo Chi-Square toma valor igual a 106.625
que
es
igual
la
diferencia
entre
Log
Likelihood
que
contiene slo a la constante y el modelo con las 7 variables

explicativas.
En este caso, las hiptesis estadsticas son:
H0
1 = ..... = 7 = 0
H1
i 0
para por lo menos un i = 1,...,7
En este caso el valor crtico es X2(7) (0.05) = 14.067, como se

observa 106.625 es mayor que 14.067, por tanto se rechaza la
hiptesis nula; entonces, los coeficientes de las 7 variables
explicativas
del
modelo
son
diferentes
de
cero
excepto
la
constante.
continuacin
se
observa
una
tabla
2x2;
en
dicha
tabla
se
muestran los casos observados de la enfermedad Angina de Pecho

frente a los casos estimados de la enfermedad.
En esta tabla
se enfrentan valores estimados y observados de la enfermedad,

calculando
el
porcentaje
de
coincidencias.
Para
el
presente
trabajo, hay un 84.56% de coincidencias.

4.3.2
PARMETROS ESTIMADOS DEL MODELO
En la Tabla de Variables in the equation se nos muestran los

parmetros del modelo, tomando en cuenta 5 iteraciones que es
lo que nos arroj por defecto el paquete SPSS vs. 9.0.
Central UNMSM

que
influyen
en
la
Los parmetros del modelo son:

0
-12.4117,
0.0830,
0.4296,
0.0348, 4 = 0.0123, 5 = 0.0021, 6 = -2.3912,

7 = -0.0611
Entonces, la ecuacin de regresin logstica para predecir la
ocurrencia de la Enfermedad Angina de Pecho es:
P=
1
1+ e Z
siendo:
Z = -12.4117 + 0.0838 X1 + 0.4296 X2 + 0.0348 X3 + 0.0123 X4
+ 0.0021 X5 2.3912 X6 0.0611 X7
4.3.2.1
En
ESTADSTICO WALD
cuanto
la
prueba
de
hiptesis
para
coeficientes
individuales, se efecta mediante la estadstica de WALD.
Las hiptesis son las siguientes:

H0 : i = 0
H1 : algn i 0
para por lo menos un
i = 1,...,7
Esta
estadstica
se
distribuye
como
una
X2(1)
si
la
variable
explicativa es cuantitativa y si la variable explicativa es de

tipo
igual
categrica,
al
nmero
se
distribuye
como
una
de
categoras
que
toma
X2(C-1),
la
donde
variable;
es
para
nuestro caso C=2, entonces X2(C-1) = X2(2-1), = X2(1).
Central UNMSM

que
influyen
en
la
El valor crtico al 7% de nivel de significancia es 3.76, por

lo
tanto
se
rechaza
la
hiptesis
nula
si
el
valor
de
la
estadstica WALD es mayor que el valor crtico indicado.
Para efectuar la dcima, tomamos los valores que estn debajo

de la columna etiquetada como WALD (Variables in the Equatin
Anexo 1).
Veamos qu pasa con las variables explicativas.
i)
EDAD no se rechaza la hiptesis nula, por tanto es una

variable
significativa,
resultado
usando
asociados
la
los
tambin
valores
estadstica
llegamos
de
las
stas
WALD
al
mismo
probabilidades
se
encuentran
debajo de la columna etiquetada con SIG.

ii)
Las variables Sexo, Glucosa y Obesidad en la columna WALD

presentan
los
siguientes
valores
en
el
mismo
orden
0.6247, 0.0327, 0.0137, debido a que este valor es menor

que el valor crtico (3.76), entonces diremos que no se
rechaza la hiptesis nula; por lo tanto, dichas variables
no son significativas.
iii)
Con
respecto
Triglicridos,
variable
Edad,
las
variables
Hipertensin
es
decir,
explicativas
ocurre
lo
rechazamos
mismo
la
Colesterol,
que
con
hiptesis
la
nula,
entonces dichas variables son significativas.

A continuacin, el modelo ser el siguiente:
P=
1+ e
( 0 + 1X 1 + 2 X2 +3 X3 + 4 X 4 +5 X 5 )
Central UNMSM

que
influyen
en
la
4.3.2.2
La
CORRELACIN PARCIAL (R)
contribucin
calcular
variables;
conocer
el
cada
debido
que
por
ello
variable
la
explicativa
influencia
usaremos
aproximadamente
variable.
Si
de
la
la
es
depende
estadstica
correlacin
difcil
de
resto
de
del
que
nos
parcial
permita
de
cada
sta se encuentra en la columna etiquetada con R.
valor
de
la
estadstica
de
WALD
es
menor
que
2k,
entonces R es igual a cero, lo que indica que la contribucin

de
la
variable
explicativa
correspondiente
en
el
modelo
es
pequea.
R puede tomar valores entre 0 y 1.
Ahora,
para
las
variables
Sexo,
Glucosa
Obeso,
los
resultados obtenidos en R es cero; por lo cual, no contribuyen

en el modelo.
Lo
cual
corrobora
lo
anteriormente
mencionado
en
las
dcimas
de la estadstica de WALD.
4.3.2.3
ODDS RATIO
El
RATIO
ODDS
[Exp ()]
cambia
cuando
la
i-sima
variable
explicativa
regresora se incrementa en una unidad; as:
i)
Si j > 1, significa que el ODDS RATIO se incrementa.
ii)
Si j < 1 , significa que el ODDS RATIO decrece.
iii)
Si j = 0 , significa que el factor es igual a uno, lo cual

hace que ODDS RATIO no vara.
Central UNMSM

que
influyen
en
la
Entonces, en la columna Exp () se observa que:

w
1, 2, 3, 4, 6 > 1,
Colesterol,
por
lo
tanto,
Triglicridos,
las
variables
Edad,
Glucosa,
son
factores
Sexo,
que
incrementan la probabilidad de ocurrencia de la enfermedad

Angina de Pecho.
5 y 7 < 1 , por lo tanto, las variables Hipertensin y
Para
Obeso
son
factores
que
disminuyen
la
probabilidad
de
la
ocurrencia de la enfermedad Angina de Pecho.

4.4
En
MATRIZ DE CORRELACIN
esta
para
misma
las
corrida
variables
podemos
ver
explicativas
(X1,
la
matriz
de
X2,...,X7)
correlacin
la
variable
dependiente (Y1 = Enfermedad Angina de Pecho).

La
Matriz
de
Correlaciones
nos
muestra
correlaciones
bajas
entre las variables.

4.5
BONDAD DE AJUSTE DEL MODELO 2
Ahora
veamos
que
se
observa
quitando
las
variables
explicativas Sexo (X2), Glucosa (X6) y Obeso (X7), que no son

significativas
bajo
la
corrida
anterior,
el
cual
llamaremos
Modelo 2.
Estos datos los observamos en el Anexo 2.
4.5.1
BONDAD
DE
AJUSTE
DEL
MODELO
CON
VARIABLES
EXPLICATIVAS
Para
este
modelo
que
contiene
slo
el
trmino
constante,
-2
Log Likelihood, es igual a 205,42219 y se distribuye como una

X2(148);
cuando
contiene
las
variables
explicativas
Log
Central UNMSM

que
influyen
en
la
Likelihood, es igual a 99,550, las hiptesis son iguales a las

utilizadas en el Modelo 1.
El
valor
crtico
es
X2(144)
(0.05)
=173.004,
como
se
observa
99,550 no es mayor que 173.004, por lo tanto, no se rechaza la

hiptesis nula; entonces el Modelo 2 se ajusta perfectamente.
La
estadstica
hiptesis
Goodness
estadsticas
of
son
Fit
iguales
estadstica se distribuye como una

X2(144) (0.05) =
toma
el
que
X2(144).
valor
en
116.952,
Modelo
1,
las
la
El valor crtico es
173.004.
Como se observa 116.952 no es mayor que 173.004, por lo tanto

no rechazamos la hiptesis nula; entonces el modelo se ajusta
perfectamente.
La estadstica Model Chi-Square, toma valor igual a 105,872.
En este caso, las hiptesis estadsticas son:

H0 : 1 = 2 = 3 = 4 = 0
H1 : j 0
para un i = 1,...,4
En este caso, K=4, y el valor crtico es X2(4) (0.05) = 9.488.

Como
se
observa
116.952
es
mayor
que
9.488,
por
tanto,
rechazo la hiptesis nula; entonces los coeficientes de las 4

variables
explicativas
del
Modelo
son
diferentes
de
cero
excepto la constante.
Central UNMSM

que
influyen
en
la
4.5.2
PARMETROS ESTIMADOS DEL MODELO 2
Consideramos
(Anexo
los
2),
resultados
que
contienen
encuentran
debajo
regresin
logstica
ocurrencia
de
de
la
de
los
en
coeficientes
columna
para
Enfermedad
variables
B.
Angina
de
Equation
estimados
As,
producir
The
la
la
se
ecuacin
de
probabilidad
Pecho
es
similar
de
que
la
presentada en el Modelo 1.
Z = -12.3817 + 0.0875 X1 + 0.0344 X 2 + 0.0133 X 3 2.3962 X4
X1 = Edad
X2 = Colesterol
X3 = Triglicridos
X4 = Hipertensin
En
cuanto
individuales,
la
se
prueba
efecta
de
con
hiptesis
la
para
estadstica
coeficientes
WALD;
sta
se
distribuye en nuestro caso tanto para la variable cuantitativa

como categrica, como una X2(1), ya habindose ste explicado en
el anterior modelo.
Ahora
observemos
los
valores
debajo
de
la
columna
WALD
docimamos con un valor crtico al 7% de nivel de significacin

es
3.76; por tanto, se rechaza la hiptesis nula si dicho
valor
de
la
estadstica
WALD
es
mayor
que
el
valor
crtico
indicado.
Veamos
debajo
variables
de
la
explicativas
columna
Edad,
WALD;
vemos
Colesterol,
que
pata
Triglicrido
las
y
HTA,
el valor de la estadstica de Wald es mayor a 3.76 por tanto,
Central UNMSM

que
influyen
en
la
se
rechaza
la
hiptesis
nula;
luego,
son
variables
explicativas significativas.
Llegamos
al
mismo
probabilidades
resultado
asociados
usando
la
los
valores
estadstica
de
de
WALD,
encontrndose debajo de la columna SIG.

4.5.3
En
CORRELACIN PARCIAL (R) Y ODDS RATIO (EXP (B))
cuanto
al
valor
de
R,
es
muy
baja
dada
variable
explicativa.
Interpretemos los coeficientes significativos.
Entonces, en la columna Exp (B) observamos que:

Exp( 1 , 2 , 3 ) > 1 , por lo tanto, las variables Edad, Colesterol y
Triglicridos son factores para que incremente la probabilidad
de ocurrencia de la Enfermedad Angina de Pecho.
Exp( 4 ) < 1 , por lo tanto, la variable Hipertensin es un factor
que
disminuye
la
probabilidad
de
ocurrencia
de
la
Enfermedad
Angina de Pecho.
El comportamiento es idntico para este Modelo 2 con respecto

al Modelo 1.
Por ltimo, en cuanto a la Tabla de Clasificacin, vemos que

70 pacientes no sufren de la Enfermedad Angina de Pecho y 55
s la presentan.
Los elementos fuera de la diagonal indican
el nmero de pacientes mal clasificados que en total son 24.
Central UNMSM

que
influyen
en
la
De
los
pacientes
Pecho,
un
que
86.42%
pacientes
con
no
fueron
presentan
la
correctamente
enfermedad
Angina
enfermedad
Angina
clasificados
de
Pecho,
un
de
de
los
80.88%
se
clasificaron correctamente.
Del total 149, un 83.89% fueron correctamente clasificados.

4.6
METODO FORWARD
Hasta el momento trabaj con el Mtodo
Enter, mtodo que por
defecto nos da el programa spss 9.0, con el cual he hallado

cada uno de los estadsticos en los puntos anteriores.
Ahora veamos cmo que nos indica el Mtodo Forward (WALD), el

cual lo observamos en el anexo No.3. Beginning Block Number.
El
sistema
analiza
significacin
de
el
las
estadstico
4
chi-square
variables
(Colesterol,
su
grado
Hta,
Edad
de
y
Triglicridos).
Este
sistema
variable
se
inicia
aplicativa
analizando
Colesterol
con
en
el
grado
primer
de
paso
libertad,
la
cuyo
estadstico es 45.798 y ser comprado con X2(1)(0.05) = 3.841,

siendo las hiptesis:
H0 :
B1 = 0
H1 :
B1 0
Entonces X2(1)(0.05) = 3.841 < 45.798, por lo tanto rechazo Ho,

la
variable
explicativa
Colesterol
es
significativa,
lo
cual
podemos corroborar con la columna SIG, que es igual a 0.000

menor
que
0.05,
es
decir,
la
variable
entra
en
el
modelo.
Central UNMSM

que
influyen
en
la
Adems
debe
de
mencionar
una
clasificacin
correcta
del
69.80%.
Para el paso 2, considera el modelo con 2 variables Colesterol

y HTA, aqu como en el caso anterior, el modelo ser:
H0 : B1 = B2 = 0
H1 : B1 = B2 0
La estadstica que nos da la corrida es 70.453 que es mayor
que X2(1)(0.05) = 5.991, y con un SIG = 0.000 < 0.05, con lo
cual
concluimos
que
se
rechaza
la
hiptesis
nula,
es
decir,
tanto la variable colesterol como HTA son significativas, con

una clasificacin correcta del 78.52%.
En
el
96.269,
paso
3,
con
al
clasificacin
tenemos
columna
de
las
la
SIG
estadstica
=
0.000
variables
chi-square
en
81.83%
explicativas
igual
correcta de
Colesterol,
HTA,
Edad.
La estadstica X2(1)(0.05) = 7.815, que como observamos es menor
que
la
mostrada
rechazamos
la
en
la
corrida
hiptesis
del
nula,
SPSS
las
(96.269),
es
variables
decir,
mencionadas
anteriormente son significativas.

Paso 4:
Este
es
variables
el
ltimo
paso,
explicativas
lo
que
son
vemos
es
que
significativas,
las
cuatro
las
tres
mencionadas anteriormente y la ltima Triglicridos.
La
9.0
estadstica
es
105.872
chi-square
que
es
que
mayor
arroja
a
la
la
corrida
estadstica
del
2
SPSS
(1) (0.05)
vs
=
Central UNMSM

que
influyen
en
la
9.488.
con
un
SIG
0.000
menor
al
5%
con
el
que
se
est
haciendo la comparacin. Las hiptesis:
H0 : Bi = 0, para i = 1,...,4.
H1 : Bi 0, para i = 1,...,4.
Para este ltimo Paso, rechazamos la hiptesis nula, es decir

las
variables
Triglicridos
son
explicativas
Colesterol,
significativas
son
las
HTA,
que
se
Edad
mantendrn
en el modelo.
El Modelo es:
P=
P=
1
1+ eZ
1
1+ e(0+1X1+3X3+4X4 +6X6 )
donde:
Z = -12.3817 + 0.0875 edad + 0.0344 colesterol + 0.0133
triglicridos 2.3962 hipertensin.
Ejemplo:
Considerando las variables del paciente No. 14 y aplicndo al

modelo obtenido, tenemos:
Central UNMSM

que
influyen
en
la
Edad = 77 aos.
Colesterol = 169 mg/dl.
Triglicridos = 236 mg/dl.
HTA = 1
Z = 0.912
Entonces
La
el valor es
probabilidad
de
P = 0.7134, donde
que
el
paciente
enfermedad Angina de Pecho es de
N.
14
presente
la
0.7134, es decir que este
paciente presenta factores de riesgo elevados.
Central UNMSM

Capitulo 4 de Regresion Logistica

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capitulo 4 de Regresion Logistica

Cargado por

Copyright:

Formatos disponibles

Anlisis estadstico de los factores de riesgo

enfermedad Angina de Pecho. Flores Manrique, Luz

Derechos reservados conforme a Ley

DESCRIPCIN DE LOS DATOS

Como ya se mencion anteriormente, el tamao de la poblacin

Las variables observadas son:

Edad en aos cumplidos del paciente.

Sexo del paciente.

Cantidad de colesterol que contiene la

Cantidad de triglicridos que contiene

Anlisis estadstico de los factores de riesgo

Derechos reservados conforme a Ley

proviene de la Historia Clnica.

MODELO DE REGRESIN LOGSTICA

influyen significativamente sobre la enfermedad

influyen significativamente sobre la enfermedad

Anlisis estadstico de los factores de riesgo

Derechos reservados conforme a Ley

AJUSTE DEL MODELO DE REGRESIN LOGSTICA

La Bondad de Ajuste del modelo 1:

los resultados se muestran

Para el modelo que contiene slo el trmino constante, -2 Log

Cuando las 7 variables explicativas 2 Log Likelihood es igual

El modelo se ajusta perfectamente

El modelo no se ajusta perfectamente

Esta estadstica se distribuye como un X2(n-p), donde p = k+1, y

Anlisis estadstico de los factores de riesgo

Derechos reservados conforme a Ley

Como se observa 98.797 no es mayor que

169.71, por lo tanto

no se rechaza la hiptesis nula; entonces, el modelo se ajusta

contiene slo a la constante y el modelo con las 7 variables

En este caso, las hiptesis estadsticas son:

para por lo menos un i = 1,...,7

En este caso el valor crtico es X2(7) (0.05) = 14.067, como se

muestran los casos observados de la enfermedad Angina de Pecho

se enfrentan valores estimados y observados de la enfermedad,

trabajo, hay un 84.56% de coincidencias.

PARMETROS ESTIMADOS DEL MODELO

En la Tabla de Variables in the equation se nos muestran los

Anlisis estadstico de los factores de riesgo

Derechos reservados conforme a Ley

Los parmetros del modelo son:

0.0348, 4 = 0.0123, 5 = 0.0021, 6 = -2.3912,

individuales, se efecta mediante la estadstica de WALD.

Las hiptesis son las siguientes:

para por lo menos un

explicativa es cuantitativa y si la variable explicativa es de

nuestro caso C=2, entonces X2(C-1) = X2(2-1), = X2(1).

Anlisis estadstico de los factores de riesgo

Derechos reservados conforme a Ley

El valor crtico al 7% de nivel de significancia es 3.76, por

estadstica WALD es mayor que el valor crtico indicado.

Para efectuar la dcima, tomamos los valores que estn debajo

EDAD no se rechaza la hiptesis nula, por tanto es una

debajo de la columna etiquetada con SIG.

Las variables Sexo, Glucosa y Obesidad en la columna WALD

0.6247, 0.0327, 0.0137, debido a que este valor es menor

entonces dichas variables son significativas.

Anlisis estadstico de los factores de riesgo

Derechos reservados conforme a Ley

CORRELACIN PARCIAL (R)

sta se encuentra en la columna etiquetada con R.