Tablas Método para Ajustar modelo logístico binario

Encuentre definiciones y ayuda para interpretar la tabla Método.

Codificación de predictores categóricos

Minitab puede utilizar el esquema de codificación (0.1) o (−1, 0, +1) para incluir las variables categóricas en el modelo. El esquema (0,1) es la opción por defecto para el análisis de regresión, mientras que el esquema (−1, 0, +1) es la opción predeterminada para ANOVA y DOE. La elección entre estos dos esquemas no cambia la significancia estadística de las variables categóricas. Sin embargo, el esquema de codificación cambia los coeficientes y la forma cómo interpretarlos.

Interpretación

Verifique el esquema de codificación que se muestra para asegurarse de que se ha realizado el análisis tal como estaba previsto. Interprete los coeficientes para las variables categóricas como sigue:

  • Con el esquema de codificación (0, 1), cada coeficiente representa la diferencia entre cada nivel y el nivel de referencia. El coeficiente para el nivel de referencia es 0.
  • Con el esquema de codificación (−1, 0, +1), cada coeficiente representa la diferencia entre la media del nivel y una línea base.

Estandarización de predictores continuos

Si eligió estandarizar los predictores continuos en su modelo, Minitab le proporciona los detalles acerca del método en la tabla Estandarización de los predictores continuos.

Generalmente, se utiliza una estandarización para centrar las variables, para escalar las variables o para ambas. Cuando se centran las variables, se reduce la multicolinealidad causada por los términos polinómicos y los términos de interacción, que mejoran la precisión de las estimaciones de los coeficientes. En la mayoría de los casos, cuando se escalan las variables, Minitab convierte las diferentes escalas de las variables en una escala común, lo que permite comparar el tamaño de los coeficientes.

Interpretación

Utilice la tabla Método de estandarización para comprobar que el análisis se ha realizado tal como estaba previsto. Dependiendo del método de su elección, es posible que tenga que cambiar la interpretación de los coeficientes de la manera siguiente:

Especificar niveles bajos y altos para codificar como -1 y +1
Este método centra y escala las variables. Cada coeficiente representa el cambio esperado en la media de la respuesta transformada dado que el predictor cambie en 1 unidad en la escala codificada. Por ejemplo, el coeficiente representa el cambio en la media de la respuesta transformada cuando el predictor cambia de 0 a +1.
Restar la media y dividir entre la desviación estándar
Este método centra y escala las variables. Cada coeficiente representa el cambio esperado en la media de la respuesta transformada dado que la variable predictora cambie en 1 desviación estándar.
Restar la media
Este método centra las variables. Cada coeficiente representa el cambio esperado en la media de la respuesta transformada dado que el predictor cambie en 1.
Dividir entre la desviación estándar
Este método escala las variables. Cada coeficiente representa el cambio esperado en la media de la respuesta transformada dado que la variable predictora cambie en 1 desviación estándar.
Restar un valor especificado, luego dividir entre otro
Que este método centre o escale las variables depende de los valores que usted especifique. Cada coeficiente representa el cambio esperado en la media de la respuesta transformada dado que la variable predictora cambie en una cantidad igual al divisor. Por ejemplo, si usted divide entre 4, el coeficiente representa un aumento de 4 en la escala original de medición.

La interpretación exacta de los coeficientes también depende de otros aspectos del análisis, tales como la función de enlace.

Información de respuesta

Minitab muestra la siguiente información acerca de la respuesta:
Variable
Nombre de la variable de respuesta
Valor
Niveles de la variable de respuesta
Conteo
Número de observaciones en cada nivel de la variable de respuesta
Total
Número de observaciones presentes

La salida también identifica qué nivel de la respuesta es el evento de referencia.

Interpretación

Utilice la información de respuesta para examinar la cantidad de datos que están incluidos en el análisis. Las muestras aleatorias más grandes con muchas ocurrencias de cada nivel por lo general proporcionan inferencias más exactas sobre la población.

También puede usar la información de respuesta para determinar qué evento es el evento de referencia. La interpretación de los estadísticos, como los coeficientes y las relaciones de probabilidades, depende de qué evento es el evento de referencia. Usted puede cambiar el evento de referencia para la respuesta en el cuadro de diálogo Regresión logística nominal.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política