TAREA

Un investigador en geriatría diseñó un estudio prospectivo para investigar los efectos de dos
intervenciones sobre la frecuencia de las caídas. Cien sujetos fueron asignados aleatoriamente
a una de las dos intervenciones: educación solamente (Xi = 0) y educación más entrenamiento
de ejercicio aeróbico (Xi = 1). Los sujetos tenían al menos 65 años y una salud razonablemente
buena.

Tres variables consideradas importantes como variables de control fueron: Sexo (X2: 0 = mujer,
1 = hombre). un índice de equilibrio (X3) y un índice de fuerza (X4). Cuanto mayor sea el índice
de equilibrio, más estable es el sujeto: y mayor es el índice de fuerza. Más fuerte es el sujeto.
Cada sujeto escribe un diario que registra el número de caídas (Y) durante los seis meses del
estudio.

 Utilice la regresión de Poisson y obtenga un modelo

 Comente la significancia del modelo de regresión
 Le parece adecuado el modelo. Justifique sus razones

DESARROLLO:

Se desea conocer la influencia de las variables independientes, con la variable dependiente:

Número de caídas. Se sabe que para analizar esta relación se tendrá que usar un modelo de
regresión, sin embargo, lo que no sabemos es que modelo de regresión vamos a utilizar.

Lo que se hace en primer lugar es, conocer cómo es que se distribuye la variable
dependiente, para poder saber qué tipo de modelo de regresión vamos a proceder a
plantear. Para ello se realiza un gráfico que nos va ayudar a visualizar el tipo de distribución
que tiene: El número de caídas.
Al apreciar el grafico, podemos notar que la distribución que posee es una asimétrica positiva,
esto nos lleva a decir que posee una mayor concentración de los datos en los valores más
pequeños.

La distribución que se puede ver es propia de la distribución Poisson.

Pero, si se analiza más la variable dependiente, vemos que es una variable de conteo y nos lleva
a confirmar que ésta se distribuirá de manera Poisson.

PRUEBA DE ÓMNIBUS (PRUEBA DE SIGNIFICANCIA)

a
Prueba ómnibus
Chi-cuadrado de
razón de
verosimilitud gl Sig.
90,404 4 0,000

Al analizar la significancia del modelo podemos darnos cuenta de que es altamente significativo,
esto quiere decir que por lo menos una variable está aportando de manera significativa en el
modelo planteado, y que sirve para el análisis del número de caídas.
 ANÁLISIS

Estimaciones de parámetro
95% de intervalo de 95% de intervalo de
confianza de Wald Contraste de hipótesis confianza de Wald para

Error Chi-cuadrado
Parámetro B estándar Inferior Superior de Wald gl Sig. Exp(B) Inferior Superior
(Intersección) ,489 ,3369 -,171 1,150 2,111 1 ,146 1,631 ,843 3,157
INTERVENCION -1,069 ,1332 -1,330 -,808 64,502 1 ,000 ,343 ,264 ,446
SEXO -,047 ,1200 -,282 ,189 ,151 1 ,698 ,954 ,754 1,207
INDICE_DE_EQUILI
,009 ,0030 ,004 ,015 10,285 1 ,001 1,010 1,004 1,015
BRIO
INDICE_DE_FUERZ
,009 ,0043 ,000 ,017 3,946 1 ,047 1,009 1,000 1,017
A
(Escala) a
1

Cuando procedemos al análisis de cada una de las variables para poder conocer si estas son o
no significativas, tenemos que la variable Sexo no es estadísticamente significativa.

Por otro lado, cuando se aumenta una unidad en el índice de equilibrio, el número de caídas
aumenta en 0,010, mientras que cuando aumentamos en una unidad el índice de fuerza el
número de caídas aumenta en 0,09.