


Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Asignatura: Analisis Multivariante, Profesor: , Carrera: Psicología, Universidad: USC
Tipo: Apuntes
1 / 4
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!



Su función es poner a prueba modelos cuyo objetivo es predecir la probabilidad de ocurrencia de un evento. Sus posibilidades de utilización dependen sobre todo del ingenio del investigador, de su capacidad para detectar en su labor diario oportunidades para su aplicación. Cada vez se aplica en más ámbitos: medicina, psicología, biología, ciencias sociales. La Regresión Logística permite al investigador estimar la probabilidad de que un individuo con un perfil concreto experimente o sufra el fenómeno en cuestión. Por tanto, es una herramienta idónea para identificar posibles factores de riesgo y factores de protección. La VD es cualitativa, con dos o más categorías. Si es dicotómica, se trata de una Regresión Logística Binaria, pero si consta de varias categorías, se trata de una Regresión Logística Multinominal. En cuanto a las VI, admite todo tipo de variables, sean o no métricas. La Regresión Logística presenta muchas ventajas, pero el único inconveniente es que utiliza como función de enlace una función logarítmica, lo que supone una complejidad matemática mayor.
La Regresión Logística realiza pronósticos de pertenencia a un grupo en base a la estimación de probabilidades a partir de las puntuaciones de los sujetos en diferentes VI que se presumen importantes. En la Regresión Logística la función que vincula el conjunto de variables independientes con la variable dependiente es no lineal, en forma de “S”, y recibe el nombre de función logística. La función logística permite asignar valores a la VD a partir de los valores en una VI. Los valores pronosticados serán probabilidades, comprendidas entre 0 y 1. Cuanto mayor sea la pendiente de la curva, mayor será el coeficiente de Regresión Logística asociado al predictor en cuestión y más certeros los pronósticos, ya que el área de incertidumbre será menor. La razón o cicente entre la probabilidad de que un evento tenga lugar y la probabilidad de que no tenga lugar se llama ODD. Por otro lado, la ODD RATIO sería la razón o cociente entre la probabilidad de que un evento
ocurra bajo unas determinadas circunstancias frente a otras, es decir, se trata de un cociente entre os ODD. Cuando el resultado de la estimación es superior a 1, estamos ante un factor de protección, pero si es inferior a 1, nos encontramos ante un factor de riesgo.
La Regresión Logística pretende ajustar una combinación lineal de VI o factores explicativos a predicciones de probabilidad, que necesariamente estarán comprendidas entre 0 y 1, recurrieno así a una función de enlace entre ambos términos de tipo logarítmico. La VD pasa a ser el logaritmo neperiano de la probabilidad de ocurrencia del evento dividido por la probabilidad de que no ocurra, cociente denominado ODD. El algoritmo de esta probabilidad se denomina LOGIT.