Ejemplo de Regresión logística nominal

La administradora de una escuela desea evaluar diferentes métodos de enseñanza. Ella recoge datos sobre 30 niños al preguntarles sobre su asignatura favorita y el método de enseñanza utilizado en su aula.

Puesto que la respuesta es categórica y los valores no tienen ningún orden natural, la administradora utiliza la regresión logística nominal para entender cómo la edad (10–13) y el método de enseñanza (demostración o explicación) están relacionados con las preferencias del estudiante respecto de la asignatura (Matemáticas, Ciencias, Lengua y Artes).

  1. Abra los datos de muestra, MétodosEnseñar.MTW.
  2. Elija Estadísticas > Regresión > Regresión logística nominal.
  3. En Respuesta, ingrese Materia.
  4. En Modelo, ingrese 'MétodoEnseñ' Edad.
  5. En Predictores categóricos (opcional), ingrese 'MétodoEnseñ'.
  6. Haga clic en Resultados. Seleccione Además, lista de valores de niveles de predictores categóricos y pruebas para términos con más de 1 grado de libertad.
  7. Haga clic en Aceptar en cada cuadro de diálogo.

Interpretar los resultados

El evento de referencia es ciencia, lo que indica que Minitab compara matemática y artes del lenguaje con ciencia en la tabla de regresión logística. Para obtener información sobre cómo cambiar el evento de referencia, vaya a Seleccionar las opciones para Regresión logística nominal.

Cuando la respuesta tiene tres niveles, Minitab calcula dos ecuaciones: Logit(1) y Logit(2). Los logits son las diferencias estimadas en las probabilidades logarítmicas o logits de matemática y artes del lenguaje en comparación con ciencia. Cada conjunto contiene una constante y los coeficientes para el método de enseñanza, que es un predictor categórico, y la edad, lo que es predictor continuo. El coeficiente del método de enseñanza es el cambio estimado en el logit cuando el método de enseñanza es explicar comparado con demostrar, mientras se mantiene constante la edad. El coeficiente de edad es el cambio estimado en el logit con un aumento de un año en la edad, manteniendo constante el método de enseñanza.

Para el Logit 2, los valores p tanto para el método de enseñanza como para la edad son menores que el nivel de significancia de 0.10. Estos resultados indican que la probabilidad de que los estudiantes prefieran artes del lenguaje en lugar de ciencia es significativamente mayor cuando el método de enseñanza es explicar y a medida que aumenta la edad. La relación estimada de probabilidades para el método de enseñanza indica que las probabilidades de escoger artes del lenguaje en vez de ciencia son aproximadamente 16 veces mayores para estos estudiantes cuando el método de enseñanza cambia de demostrar a explicar.

Para el Logit 1, los valores p tanto para el método de enseñanza como para la edad no son menores que el nivel de significancia de 0.10. Estos resultados indican que no hay suficiente evidencia para concluir que un cambio en el método de enseñanza de demostrar a explicar o que las diferencias en edad afectan la preferencia de matemática en comparación con ciencia.

Todas las pruebas de bondad de ajuste son mayores que el nivel de significancia de 0.05, lo que indica que no hay suficiente evidencia para concluir que el modelo no se ajusta a los datos.

Regresión logística nominal: Materia vs. MétodoEnseñ, Edad

Información de respuesta Variable Valor Conteo Materia Ciencia 10 (Evento de referencia) Matemática 11 Artes 9 Total 30
Información del factor Factor Niveles Valores MétodoEnseñ 2 Demostrar, Explicar

Tabla de regresión logística

Predictor Coef SE Coef Z P Logit 1: (Matemática/Ciencia) Constante -1.12266 4.56425 -0.25 0.806 MétodoEnseñ Explicar -0.563115 0.937591 -0.60 0.548 Edad 0.124674 0.401079 0.31 0.756 Logit 2: (Artes/Ciencia) Constante -13.8485 7.24256 -1.91 0.056 MétodoEnseñ Explicar 2.76992 1.37209 2.02 0.044 Edad 1.01354 0.584494 1.73 0.083 Relación de IC de 95% Predictor probabilidades Inferior Superior Logit 1: (Matemática/Ciencia) Constante MétodoEnseñ Explicar 0.57 0.09 3.58 Edad 1.13 0.52 2.49 Logit 2: (Artes/Ciencia) Constante MétodoEnseñ Explicar 15.96 1.08 234.90 Edad 2.76 0.88 8.66

Log-verosimilitud = -26.446

La prueba de que todas las pendientes son cero GL G Valor p 4 12.825 0.012
Pruebas de bondad del ajuste Método Chi-cuadrada GL P Pearson 6.95295 10 0.730 Desviación 7.88622 10 0.640
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política