Análisis de regresión

2019-2
 Clasificación

Según la cantidad de variables

Simple: Solo Una variable independiente X
Múltiple: Más de una variable X1, X2…,Xp)

Según el “tipo de relación”

Lineales
No lineales
No lineales en Y (logísticas)
Regresión logística
 Introducción
Modelo en el cual la variable Y es de tipo
dicotómico.
Las pendientes reflejan un incremento en
la probabilidad de un resultado específico,
no un incremento en la magnitud de Y.
Desarrollo del ejemplo
Desarrollo del ejemplo

Se pretende predecir el ingreso de los

estudiantes en base a las variables:
Puntuación promedio en evaluaciones
de práctica.
Afrontamiento de evitación.
Pensamientos intrusivos.
Se evalúa la probabilidad de un
resultado positivo
Selección de análisis de
regresión logísica
Introducir variables que se
desea analizar.
Se pide prueba de ajuste de
Hosmer-Lemeshow
Bloque 0
• Resultados que se obtendrían si se predice que todos lo alumnos
ingresarán
Codificación de la variable
dependiente

Valor original Valor interno

No ingresó 0
Ingresó 1

a,b
Tabla de clasificación
Pronosticado
Resultados Porcentaje
Observado No ingresó Ingresó correcto
Paso 0 Resultados No ingresó 0 18 0,0
Ingresó 0 48 100,0
Porcentaje global 72,7
a. En el modelo se incluye una constante.
b. El valor de corte es ,500

• Se predice adecuadamente 72,7% de los casos.

• Es un buen resultado pero podría ser mejor
Bloque 1
• Contraste global del modelo: H0=β1= β2= β3= β4=0
• El modelo es significativo
• Ajuste basado en indicadores análogos a R cuadrado
• R cuadrado de Nagelkerke puede ser interpretado como R cuadrado
Pruebas omnibus sobre los coeficientes del modelo

Chi cuadrado gl Sig.

Paso 1 Paso 45,695 3 ,000
Bloque 45,695 3 ,000
Modelo 45,695 3 ,000

Resumen del modelo

R cuadrado R cuadrado
-2 log de la de Cox y de
Paso verosimilitud Snell Nagelkerke
1 a ,500 ,724
31,650
a. La estimación ha finalizado en el número de iteración
6 porque las estimaciones de los parámetros han
Prueba de Hosmer y Lemeshow
• Contraste se da entre predicción de diagnóstico y datos observados
• Un buen ajuste se refleja en la IGUALDAD entre el pronóstico y la
data observada
• Se desea NO encontrar difernecias entre los valores observados y
los valores esperados (Sig > 0,05 es decir no hay diferencia)
Prueba de Hosmer y Lemeshow

Paso Chi cuadrado gl Sig.

1 5,376 7 ,614

Tabla de contingencias para la prueba de Hosmer y Lemeshow

Resultados = No ingresó Resultados = Ingresó
Observado Esperado Observado Esperado Total
Paso 1 1 7 6,710 0 ,290 7
2 5 5,751 2 1,249 7
3 2 3,359 5 3,641 7
4 3 1,357 4 5,643 7
5 1 ,471 6 6,529 7
6 0 ,192 7 6,808 7
7 0 ,083 7 6,917 7
8 0 ,043 7 6,957 7
9 0 ,035 10 9,965 10
Bloque 1
• % de predicción (89,4% de aciertos por parte del nuevo modelo)
• Contrastes específicos (igual que en casos previso)
a
Tabla de clasificación
Pronosticado
Resultados Porcentaje
Observado No ingresó Ingresó correcto
Paso 1 Resultados No ingresó 14 4 77,8
Ingresó 3 45 93,8
Porcentaje global 89,4
a. El valor de corte es ,500
Variables en la ecuación
B E.T. Wald gl Sig. Exp(B)
Paso 1 a Eval_Practica ,082 ,021 14,950 1 ,000 1,085

Evit -,162 ,078 4,331 1 ,037 ,851

Intrusiones ,059 ,081 ,528 1 ,467 1,061
Constante -1,611 1,178 1,870 1 ,171 ,200
a. Variable(s) introducida(s) en el paso 1: Eval_Practica, Evit, Intrusiones.