Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


REGRESIÓN LOGÍSTICA, Resúmenes de Psicología

Asignatura: Analisis Multivariante, Profesor: , Carrera: Psicología, Universidad: USC

Tipo: Resúmenes

2012/2013

Subido el 08/07/2013

cora2387
cora2387 🇪🇸

3.8

(24)

4 documentos

1 / 4

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
REGRESIÓN LOGÍSTICA
1. ¿En qué consiste?
Básicamente lo que la Regresión Logística hace es poner a prueba modelos cuyo objetivo
es predecir la probabilidad de ocurrencia de un evento. Como variables independientes o
predicadores puede ser utilizado cualquier tipo de variable, sea cual fuere su nivel de
medida. Le permite al investigador no solo identificar aquellas variables que resultan
relevantes, sino también estimar la probabilidad de que un individuo con un perfil concreto
experimente o sufra el fenómeno en cuestión, sea éste cual fuere. En este sentido, la
Regresión Logística es una herramienta estadística especialmente idónea para la
identificación de posibles factores de riesgo y de factores de protección.
Por lo que se refiere a las variables con las que trabaja, la VD. Es de naturaleza cualitativa,
con dos o más categorías. En caso de que ésta sea dicotómica estaríamos ante una
Regresión Logística Binaria que, por otra parte, es el caso más común. Si la VD consta de
varias categorías estaríamos ante una Regresión Logística Multinomial. En cuanto a las VI,
admite todo tipo de variables, métricas o no. Las razones por las que se podría recurrir a
una Regresión logística:
* Gran potencial de aplicación en diferentes ámbitos.
* Se adapta perfectamente a las necesidades de los investigadores.
* Permite hacer pronósticos particulares acerca de la probabilidad de ocurrencia de un
determinado evento.
* Gran flexibilidad en lo que a tipo de datos se refiere.
* Ofrece la posibilidad de identificar de forma sencilla factores de riesgo y de protección.
* Es robusta ante el incumplimiento de determinados supuestos; tales como la distribución
normal de las VI.
El único inconveniente que es preciso señalar es que la Regresión Logística al usar, como
VD la probabilidad de ocurrencia del evento de interés, usa como función de enlace una
función logarítmica, lo que implica una complejidad matemática mayor.
2. Esquema general y variables implicadas.
En términos genéricos, lo que hace la Regresión Logística es realizar pronósticos de
pertenencia a un grupo en base a la estimación de probabilidades (entre 0 y 1), a partir de
las puntuaciones de los sujetos en diferentes VI que se presumen importantes. La Y', por
tanto, va a ser una probabilidad, un valor de 0 a 1. Se estima la probabilidad de que la VD
presente uno de los valores posibles en función de determinadas VI. Si la relación entre VI
y VD es positiva, valores elevados en la VI corresponderán con valores cercanos a 1 en Y'.
pf3
pf4

Vista previa parcial del texto

¡Descarga REGRESIÓN LOGÍSTICA y más Resúmenes en PDF de Psicología solo en Docsity!

REGRESIÓN LOGÍSTICA

  1. ¿En qué consiste?

Básicamente lo que la Regresión Logística hace es poner a prueba modelos cuyo objetivo es predecir la probabilidad de ocurrencia de un evento. Como variables independientes o predicadores puede ser utilizado cualquier tipo de variable, sea cual fuere su nivel de medida. Le permite al investigador no solo identificar aquellas variables que resultan relevantes, sino también estimar la probabilidad de que un individuo con un perfil concreto experimente o sufra el fenómeno en cuestión, sea éste cual fuere. En este sentido, la Regresión Logística es una herramienta estadística especialmente idónea para la identificación de posibles factores de riesgo y de factores de protección.

Por lo que se refiere a las variables con las que trabaja, la VD. Es de naturaleza cualitativa, con dos o más categorías. En caso de que ésta sea dicotómica estaríamos ante una Regresión Logística Binaria que, por otra parte, es el caso más común. Si la VD consta de varias categorías estaríamos ante una Regresión Logística Multinomial. En cuanto a las VI, admite todo tipo de variables, métricas o no. Las razones por las que se podría recurrir a una Regresión logística:

  • Gran potencial de aplicación en diferentes ámbitos.
  • Se adapta perfectamente a las necesidades de los investigadores.
  • Permite hacer pronósticos particulares acerca de la probabilidad de ocurrencia de un determinado evento.
  • Gran flexibilidad en lo que a tipo de datos se refiere.
  • Ofrece la posibilidad de identificar de forma sencilla factores de riesgo y de protección.
  • Es robusta ante el incumplimiento de determinados supuestos; tales como la distribución normal de las VI.

El único inconveniente que es preciso señalar es que la Regresión Logística al usar, como VD la probabilidad de ocurrencia del evento de interés, usa como función de enlace una función logarítmica, lo que implica una complejidad matemática mayor.

  1. Esquema general y variables implicadas.

En términos genéricos, lo que hace la Regresión Logística es realizar pronósticos de pertenencia a un grupo en base a la estimación de probabilidades (entre 0 y 1), a partir de las puntuaciones de los sujetos en diferentes VI que se presumen importantes. La Y', por tanto, va a ser una probabilidad, un valor de 0 a 1. Se estima la probabilidad de que la VD presente uno de los valores posibles en función de determinadas VI. Si la relación entre VI y VD es positiva, valores elevados en la VI corresponderán con valores cercanos a 1 en Y'.

Mientras que en la regresión lineal la función que vincula el conjunto de variables independientes con la variable dependiente es lineal, en la Regresión Logística se trata de una función no lineal, en forma de "S", que recibe el nombre de función logística. Dicha función logística permite asignar valores a la VD a partir de los valores observados en una VI, al igual que sucedía con la regresión lineal, aunque con la diferencia de que en este caso los valores pronosticados serán probabilidades, que lógicamente estarán comprendidas entre 0 y 1. En caso de que el valor predicho supere un punto de corte establecido la predicción será que Y asumirá el valor de "1". Los puntos representan los valores observados para Y, mientras que sobre la curva se recogen las probabilidades estimadas en función del valor observado en X.

La razón o cociente entre la probabilidad de que un evento tenga lugar y la probabilidad de que no tenga lugar se llama ODD. Lo que la Regresión Logística pretende es identificar aquellas VI que hacen variar esa ODD. La ODD RATIO es la razón o cociente entre la probabilidad de que ocurra un evento bajo unas determinadas circunstancias frente a otras; se trata de un cociente entre dos ODD, entre el pronóstico que puede realizarse bajo determinadas circunstancias, frente a otras. En aquellas condiciones donde el pronóstico sea similar, dicho cociente asumirá valores próximos a 1.

  1. Pasos a seguir en la Regresión Logística

Los pasos o fases para la aplicación correcta de la Regresión Logística son similares a los establecidos en la Regresión Lineal Múltiple:

1.- Planteamiento del problema y objetivos. 2.- Diseño de la investigación. 3.- Comprobación de los supuestos. 4.-Estimación del modelo. 5.- Evaluación del ajuste. 6.- Interpretación de resultados. 7.- Validación de resultados.

Algunas recomendaciones para el uso de la Regresión Logística:

  • Tamaño muestral elevado: Se recomienda disponer de al menos 15 casos por cada VI.
  • Relevancia: El modelo debe estar especificado correctamente, incluyendo solo aquellas VI que se consideren relevantes.
  • Variables discretas con pocas categorías: Se recomienda que las VI discretas incluidas en el modelo tengan un número de categorías mínimo, ello favorecerá la estimación de parámetros y la interpretación de resultados.
  • Ausencia de Multicolinealidad y No Aditividad.