Beruflich Dokumente
Kultur Dokumente
Pensamientos
intrusivos
Afrontamiento de
evitacin
Pronstico mdico
inicial (0-100)
Resultados
Resultados
Pronstico mdico
inicial (0-100)
Afrontamiento de
evitacin
Pensamientos
intrusivos
EST-203 ESTADISTICA II
Modelo
R cuadrado
Error tp. de la
corregida
estimacin
R cuadrado
a
,761
,579
,559
,298
Tabla 2 ANOVA
Suma de
Modelo
1
cuadrados
Media
gl
cuadrtica
Regresin
7,582
2,527
Residual
5,508
62
,089
13,091
65
Total
Sig.
a
28,448
,000
Tabla 3 Coeficientes
Modelo
1
Coeficientes no
Coeficientes
estandarizados
tipificados
Error tp.
(Constante)
,276
,110
Pronmed
,010
,001
Evitacin
-,017
,006
Intrusiones
Beta
Sig.
2,506
,015
,655
7,608
,000
,006
-,277
-2,828
,006
,006
,095
,999
,322
Los resultados parecen convincentes, con una prueba F global significativa y en las
pruebas t-Student individuales se obtienen resultados coherentes: hay relacin significativa del estado con el pronstico (a mejor pronstico mejor estado) y con el
afrontamiento de evitacin (a ms evitacin peor estado). Pero hay dos problemas:
El estado Y no es continuo y la interpretacin de los coeficientes B1 y B2 es
forzada
Algo ms fuerte es que los valores de las variables predictoras no resultan en
valores 0 o 1 de la variable respuesta Estado (Y) sino en valores decimales e incluso fuera de rango, lo que es inadmisible. Por ejemplo:
Caso
105
106
108
Lo que sucede es que el modelo lineal no es aplicable. El modelo y el mtodo de estimacin de mnimos cuadrados as como las pruebas de significacin ya no son v-
EST-203 ESTADISTICA II
lidos. Necesitamos cambiar la forma del modelo que relaciona la variable respuesta
Y con las variables independientes.
Lo anterior motiva el modelo de regresin logstica, donde estaremos interesados no
en los valores de Y sino en las probabilidades de esto valores. Cambiamos el enfoque
a uno donde interesa pronosticar la probabilidad de un evento y relacionarla con
variables que expliquen la magnitud de la probabilidad.
Se adapta el modelo y se cambia mtodo de estimacin y de contrastes de hiptesis:
el mtodo se llama de Mxima verosimilitud (Maximun Likelihood en ingls) o de
mxima probabilidad.
El modelo
Sea
1 la probabilidad de un evento A de inters, entonces
representa cuantas veces es ms probable que ocurra A a que no ocurra (chance de A) y
su logaritmo neperiano
(que se llama logit) mide de modo continuo y de
- a + cmo cambia esta chance. En el modelo de regresin logstica ponemos esta
medida de la chance en funcin de las variables independientes:
1
Por ejemplo, si 1 >0 entonces, conforme el pronstico inicial es mejor, mayor
probabilidad de mejora del paciente.
Grficamente:
Figura 1 Relacin entre p y Logit(p)
-4.6
-2.9
-2.2
-1.4
-0.8
-0.4
0.0
0.4
0.8
1.4
2.2
2.9
4.6
logit p = ln(p/(1-p)
0.01
0.05
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
0.95
0.99
5.0
4.0
3.0
2.0
1.0
0.0
-1.0
-2.0
-3.0
-4.0
-5.0
0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00
p
EST-203 ESTADISTICA II
gl
Sig.
45,695
,000
Bloque
45,695
,000
Modelo
45,695
,000
EST-203 ESTADISTICA II
Paso
R cuadrado
de Cox y
Snell
31,650a
R cuadrado
de
Nagelkerke
,500
,724
Tambin es importante ver la tabla matriz de confusin que SPSS llama Tabla de
clasificacin (Classification Table)
Tabla 3 Tabla de clasificacina
Pronosticado
Resultados
Observado
Empeor/Sin cambio
Porcentaje
correcto
Mejor
14
77,8
45
93,8
Porcentaje global
89,4
Se encuentra que el modelo clasifica bien al 77.8% de casos donde no hubo mejora y
al 93.8% de casos donde s la hubo. En promedio, el modelo logra clasificar bien al
89.4% de los casos, que es un % apreciable en relacin al 50% que se espera si se
hace clasificacin al azar.
Tercero: Examinamos la significacin de cada coeficiente (o sea de cada variable
independiente) en el cuadro Variables en la ecuacin (Variables in the equation)
Tabla 4 Variables en la ecuacin
B
a
Paso 1
E.T.
Wald
gl
Sig.
Exp(B)
Pronmed
,082
,021
14,950
,000
1,085
Evitacin
-,162
,078
4,331
,037
,851
,059
,081
,528
,467
1,061
-1,611
1,178
1,870
,171
,200
Intrusiones
Constante
EST-203 ESTADISTICA II
Wald
Paso 1
E.T.
Wald
gl
Sig.
Exp(B)
Pronmed
,082
,021
14,950
,000
1,085
Evitacin
-,162
,078
4,331
,037
,851
,059
,081
,528
,467
1,061
-1,611
1,178
1,870
,171
,200
Intrusiones
Constante