Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimacin de parmetros
'
Y
Definamos la variable respuesta
como:
La variable independiente es
continua
X : Edad
( )
7 7
7 7
/ ( )
7
X
X
e
E Y X x x
e
+
+
+
Consideremos un modelo logstico
Este modelo constituye un mayor acercamiento a la realidad biolgica, pues,
tiene ms sentido pensar que la influencia de un factor de riesgo sobre la
probabilidad de tener una enfermedad se asemeja ms a una curva de tipo
sigmoidea que a una recta.
ANALISIS DE REGRESION LOGISTICA
Ejemplo. Asociacin entre la enfermedad cardiovascular y la edad
Cuando una variable explicativa es numrica se puede incorporar en el
modelo tal cual.
Ejemplo :
Para introducir las variables explicativas : Nmero de cigarros que fuma
y nivel de colesterol en mg/dl en un modelo de prediccin de
enfermedad coronaria, definimos :
Variables explicativas Numricas
X
1
: Nmero de cigarros que fuma;
X
2
: Nivel de colesterol en mg/dl
ANALISIS DE REGRESION LOGISTICA
Variables explicativas categricas
ANALISIS DE REGRESION LOGISTICA
Cuando una variable explicativa es categrica se transforma definiendo
variables artificiales.
Por ejemplo, en el modelo de prediccin de enfermedad coronaria, se desea
introducir las variables explicativas :
X
1
: Hbito de fumar
X
2
: Nivel de colesterol
'
fuma No 7
Fuma 7
7
X
7
Elevado 7
Normal 7
X
'
'
Normal
Masa corporal= Sobrepeso
Obesidad
'
7
Obesidad 7
Normal 7
X
'
+ + +
+ + +
+
ANALISIS DE REGRESION LOGISTICA
El modelo de regresin logstica puede extenderse para k variables explicativas X
k
y se denomina modelo de regresin logstica mltiple.
Siguiendo la lgica del modelo de regresin lineal, la relacin entre el predictor
y la respuesta debe ser lineal, por lo que se necesita una transformacin que
permita expresar el modelo como una relacin lineal entre los dos miembros
de la igualdad.
Se propone una transformacin denominada, transformacin logit .
7 77
( )
logit( ( )) ln ...
( ) 7
_
+ + +
,
k k
X
X x x
X
ANALISIS DE REGRESION LOGISTICA
Modelo de regresin logstica
Modelo de regresin logstica
mltiple
mltiple
Esta transformacin consiste en dividir la proporcin de xitos, (x), que puede
ser una prevalencia, entre uno menos la proporcin de xitos, 1- (x) y
aplicarle el logaritmo a este cociente.
_
+ +
,
x
x edad
x
Aplicndole la transformacin inversa
. . edad 7777 7777
. . edad 7777 7777
( )
7
+
+
+
e
x
e
Variables en la ecuacin
,777 ,777 , 0000
- , 7777 ,777 ,777
edad
Constante
Paso
7
a
B Sig. Exp(B)
Variable(s) introducida(s) en el paso : edad. 7
a.
Los coeficientes del modelo no
tienen una interpretacin directa
Para facilitar la interpretacin de los coeficientes del modelo consideremos un
modelo con una sola variable explicativa numrica:
7
( )
ln ( )
( ) 7
_
+
,
i o
x
x x
x
El valor ajustado para una edad x
+1 valor de ser :
7
( ) 7
ln ( ) ( ) 7
( ) 7 7
_ +
+ +
+
,
i i o
x
x x
x
Ventaja (Odds)
para x
Ventaja (Odds)
para (x+1)
ANALISIS DE REGRESION LOGISTICA
Interpretacin de los coeficientes estimados
El valor estimado para una edad x
ser :
La diferencia de ventajas (odds)
Aplicando el antilogaritmo
7
( ) ( ) ln(Ventaja( ) ln(Ventaja( ) 7 7 + + x x x x
7
Ventaja( ) 7
ln
Ventaja( )
_ +
,
x
x
7
Ventaja( ) ( ) 7 7
Ventaja( ) ( )
+ +
Estimado
x Odds x
OR e
x Odds x
El OR se puede interpretar como el incremento en la chance de tener el
evento dado que un individuo tiene un valor de la variable x+1 comparado con
la chance de un individuo que tiene un valor x.
ANALISIS DE REGRESION LOGISTICA
Interpretacin de los coeficientes estimados
Ejemplo
Aplicando el antilogaritmo
7
( ) ( ) ln(Ventaja( ) ln(Ventaja( ) 7 7 + + x x x x
7
Ventaja( ) 7
ln
Ventaja( )
_ +
,
x
x
7
Ventaja( ) ( ) 7 7
Ventaja( ) ( )
+ +
Estimado
x Odds x
OR e
x Odds x
El OR se puede interpretar como el incremento en la chance de tener el
evento dado que un individuo tiene un valor de la variable x+1 comparado con
la chance de un individuo que tiene un valor x.
ANALISIS DE REGRESION LOGISTICA
Interpretacin de los coeficientes estimados
Ejemplo:
Ejemplo:Asociacin entre la enfermedad Asociacin entre la enfermedad
cardiovascular y la edad cardiovascular y la edad
La ecuacin ajustada es:
. . 7777 7777
. . 7777 7777
( )
7
+
+
+
Edad
Edad
e
x
e
. 7777
Ventaja( ) ( ) 7 7
. 0000
Ventaja( ) ( )
+ +
Estimado
x Odds x
OR e
x Odds x
El OR estimado indica que una persona con (x+1) aos de
edad tiene 1.117 veces ms chance (posibilidad o ventaja)
de presentar enfermedad coronaria s comparado con otra
persona con edad x.
O, por cada ao adicional en la edad de las personas , el
riesgo estimado de tener enfermedad coronaria es 1.117
ms.
ANALISIS DE REGRESION LOGISTICA
Interpretacin de los coeficientes estimados
Calculamos la razn de ventajas