Parcelas residuales para Ajustar modelo logístico binarioy Regresión logística binaria

El histograma de los residuos de desviación muestra la distribución de los residuos para todas las observaciones.

La interpretación de las gráficas es igual si se usan residuos de desviación o residuos de Pearson. Cuando el modelo usa la función de enlace logit, la distribución de los residuos de desviación está más cerca de la distribución de los residuos de un modelo de regresión de mínimos cuadrados. Los residuos de desviación y los residuos de Pearson se vuelven más similares a medida que aumenta el número de ensayos para cada combinación de valores de configuración de los predictores.

La gráfica de probabilidad normal de los residuos muestra los residuos vs. sus valores esperados cuando la distribución es normal.

La interpretación de las gráficas es igual si se usan residuos de desviación o residuos de Pearson. Cuando el modelo usa la función de enlace logit, la distribución de los residuos de desviación está más cerca de la distribución de los residuos de un modelo de regresión de mínimos cuadrados. Los residuos de desviación y los residuos de Pearson se vuelven más similares a medida que aumenta el número de ensayos para cada combinación de valores de configuración de los predictores.

Interpretación

Utilice la gráfica de probabilidad normal de los residuos para verificar el supuesto de que los residuos están distribuidos normalmente. La gráfica de probabilidad normal de los residuos debe seguir aproximadamente una línea recta.

Los patrones siguientes no cumplen con el supuesto de que los residuos están distribuidos normalmente.

Si observa un patrón no normal, utilice las otras gráficas de residuos para verificar otros problemas con el modelo, como términos faltantes o un efecto del orden cronológico. Si los residuos no siguen una distribución normal, los intervalos de confianza de la aproximación a la normal y los valores p de la prueba de Wald pueden ser inexactos.

La interpretación de las gráficas es igual si se usan residuos de desviación o residuos de Pearson. Cuando el modelo usa la función de enlace logit, la distribución de los residuos de desviación está más cerca de la distribución de los residuos de un modelo de regresión de mínimos cuadrados. Los residuos de desviación y los residuos de Pearson se vuelven más similares a medida que aumenta el número de ensayos para cada combinación de valores de configuración de los predictores.

Interpretación

Utilice la gráfica de residuos vs. ajustes para verificar el supuesto de que los residuos están distribuidos aleatoriamente. Lo ideal es que los puntos se ubiquen aleatoriamente a ambos lados del 0, con patrones no detectables en los puntos.

Los patrones que se observan en la siguiente tabla podrían indicar que el modelo no cumple con los supuestos del modelo.

Patrón	Lo que podría indicar el patrón
Dispersión en abanico o irregular de los residuos en los valores ajustados	Una función de enlace inapropiada
Curvilíneo	Un término de orden superior faltante o una función de enlace inapropiada
Un punto que está alejado de cero	Un valor atípico
Un punto que está lejos de los otros puntos en la dirección x	Un punto influyente

Las siguientes gráficas muestran un valor atípico y una violación del supuesto de que la varianza de los residuos es constante.

Si identifica patrones o valores atípicos en la gráfica de residuos vs. ajustes, considere las siguientes soluciones:

Problema	Posible solución
Varianza no constante	Considere utilizar diferentes términos en el modelo, una función de enlace diferente o ponderaciones.
Un valor atípico o punto de influencia	Verifique que la observación no sea un error de medición o un error de ingreso de datos. Considere realizar el análisis sin esta observación para determinar cómo afecta los resultados.

La gráfica de residuos vs. orden muestra los residuos en el orden en que se recopilaron los datos.

La interpretación de las gráficas es igual si se usan residuos de desviación o residuos de Pearson. Cuando el modelo usa la función de enlace logit, la distribución de los residuos de desviación está más cerca de la distribución de los residuos de un modelo de regresión de mínimos cuadrados. Los residuos de desviación y los residuos de Pearson se vuelven más similares a medida que aumenta el número de ensayos para cada combinación de valores de configuración de los predictores.

Interpretación

Utilice la gráfica de residuos vs. orden para verificar el supuesto de que los residuos son independientes entre sí. Los residuos independientes no muestran tendencias ni patrones cuando se muestran en orden cronológico. Los patrones en los puntos podrían indicar que los residuos que están cercanos entre sí podrían estar correlacionados y, por lo tanto, podrían no ser independientes. Lo ideal es que los residuos que se muestran en la gráfica se ubiquen aleatoriamente alrededor de la línea central:

Si observa un patrón, investigue la causa. Los siguientes tipos de patrones pueden indicar que los residuos son dependientes.

Tendencia

Cambio

Ciclo

La gráfica de residuos vs. variables muestra los residuos vs. otra variable. La variable ya pudiera estar incluida en el modelo. O la variable pudiera no estar en el modelo, pero usted sospecha que influye en la respuesta.

La interpretación de las gráficas es igual si se usan residuos de desviación o residuos de Pearson. Cuando el modelo usa la función de enlace logit, la distribución de los residuos de desviación está más cerca de la distribución de los residuos de un modelo de regresión de mínimos cuadrados. Los residuos de desviación y los residuos de Pearson se vuelven más similares a medida que aumenta el número de ensayos para cada combinación de valores de configuración de los predictores.