Especificar el esquema de la codificación para Ajustar modelo logístico binario

Estadísticas > Regresión > Regresión logística binaria > Ajustar modelo logístico binario > Codificación

Incrementos para relaciones de probabilidades

Para los modelos que utilizan la función de enlace logit, Minitab calcula la relación de probabilidades. Para algunos predictores, la relación de probabilidades predeterminada para un cambio de 1 unidad en el predictor no es útil. Por ejemplo, si la relación de probabilidades para un cambio de 1 gramo es muy pequeña, ingrese más bien 1,000 para ver la relación de probabilidades para un cambio de 1 kilogramo.
Predictor continuo
Muestra los nombres de todos los predictores continuos incluidos en el modelo. Esta columna no acepta ninguna entrada.
Incremento
Ingrese la cantidad de cambio en el predictor continuo que Minitab se utiliza para calcular la relación de probabilidades.

Codificación para las variables categóricas

Codificación para predictores categóricos
Para realizar el análisis, Minitab necesita recodificar los predictores categóricos utilizando uno de dos métodos. Considere cambiar el método dependiendo de si desea comparar los niveles del predictor con una línea base o con un nivel de referencia. El esquema de codificación no cambia la prueba del efecto general del predictor. Para obtener más información, vaya a Esquemas de codificación para predictores categóricos.
  • (-1, 0, +1): Elija esta opción para estimar la diferencia entre cada nivel y una línea base.
  • (1, 0): Elija esta opción para estimar la diferencia entre cada nivel y un nivel de referencia. Si elige el esquema de codificación (1, 0), la tabla del nivel de referencia se convierte en la tabla activa en el cuadro de diálogo.
Tabla del nivel de referencia
Predictor categórico
Esta columna de la tabla muestra todos los nombres de los predictores categóricos incluidos en el modelo. Esta columna no admite ingreso de datos.
Nivel de referencia

Minitab compara los niveles que no son de referencia con el nivel de referencia. Cambiar el nivel de referencia no afecta la significancia general, pero puede hacer que la interpretación de los coeficientes y las relaciones de probabilidades sea más significativa.

Por ejemplo, un predictor categórico sobre si los clientes tienen niños incluye los niveles "Sí" y "No." El evento de respuesta es que un cliente compra un cereal cuando va al supermercado.

El evento de referencia está en el denominador de la relación de probabilades. Cuando usted cambia el nivel de referencia, la relación de probabilidades se invierte. Cuando el nivel de referencia es "No", la relación de probabilidades es la siguiente:
La relación de probabilidades de 5 indica que es 5 veces más probable que el cliente compre el cereal cuando el factor es "Sí" que cuando el factor es "No".
Cuando el nivel de referencia es "Sí", la relación de probabilidades es la siguiente:
La relación de probabilidades de 0.2 indica que es 0.2 veces tan probable que el cliente compre el cereal cuando el factor es "No" como cuando el factor es "Sí".

Cuando usted cambia el nivel de referencia, el signo del coeficiente también cambia. Cuando el nivel de referencia es "Sí", el coeficiente es de -1.6. El coeficiente negativo indica que es más probable que el cliente compre el cereal en el nivel de referencia del factor. Cuando el nivel de referencia es "No", el signo del coeficiente cambia para convertirse en 1.6. El coeficiente positivo indica que es menos probable que el cliente compre el cereal en el nivel de referencia del factor.

Estandarizar predictores continuos

Usted puede optar por estandarizar los predictores continuos incluidos en el modelo. Los predictores estandarizados solo se utilizan para ajustar el modelo y no se almacenan en la hoja de trabajo.

La estandarización de los predictores continuos puede mejorar la interpretación del modelo para condiciones específicas.
  1. Centrar los predictores continuos restando la media: Este método ayuda a reducir la multicolinealidad, lo que mejora la precisión de las estimaciones de los coeficientes. Este método es útil cuando el modelo contiene predictores muy correlacionados, términos de orden superior y términos de interacción. Cada coeficiente representa el cambio esperado en la respuesta dado un cambio de una unidad en el predictor, utilizando la escala de medición original.
  2. Estandarizar la escala de los predictores continuos dividiendo entre la desviación estándar: Este método hace que los rangos de los predictores sean más homogéneos para que se pueda comparar el tamaño de los coeficientes. Este enfoque es útil cuando se desea saber qué predictores tienen mayor efecto, controlando al mismo tiempo las diferencias en la escala. Sin embargo, cada coeficiente representa el cambio esperado en la respuesta dado un cambio de una desviación estándar en el predictor.
Utilice uno de los siguientes métodos para estandarizar los predictores continuos:
  • No estandarizar: Utilice los datos originales para los predictores continuos.
  • Especificar niveles bajos y altos para codificar como -1 y +1: Utilícese tanto para centrar los predictores como para colocarlos en una escala comparable. Minitab utiliza este método en el diseño de experimentos (DOE). Todos los valores de datos que se encuentran entre los valores bajo y alto que usted especifica, se transforman para que estén entre −1 y +1. En la tabla, ingrese los valores bajo y alto o utilice los valores mínimo y máximo de la muestra.
    Predictor continuo
    Muestra los nombres de todos los predictores continuos incluidos en el modelo. Esta columna no acepta ninguna entrada.
    Bajo
    Ingrese un valor para codificarlo como −1. El valor predeterminado es el valor mínimo de la muestra.
    Alto
    Ingrese un valor para codificarlo como +1. El valor predeterminado es el valor máximo de la muestra.
  • Restar la media y dividir entre la desviación estándar: Utilícese tanto para centrar los predictores como para colocarlos en una escala comparable.
  • Restar la media: Utilícese para centrar los predictores.
  • Dividir entre la desviación estándar: Utilice una escala comparable para todos los predictores.
  • Restar un valor especificado, luego dividir entre otro: Especifique otros valores en lugar de usar las estimaciones de la media y la desviación estándar de la muestra.
    Predictor continuo
    Muestra los nombres de todos los predictores continuos incluidos en el modelo. Esta columna no acepta ninguna entrada.
    Restar
    Ingrese el valor que se restará de cada predictor continuo.
    Dividir entre
    Ingrese el valor que Minitab utilizará para dividir el resultado de la resta.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política