El administrador de un consultorio médico desea saber qué factores influyen en la satisfacción del paciente. Se pregunta a los pacientes si es improbable, algo probable o muy probable que regresen para atención de seguimiento. Los predictores relevantes incluyen la situación laboral, la edad y la proximidad al consultorio.
El administrador utiliza la probabilidad de que un paciente regrese como una variable de respuesta. Las categorías de la variable de respuesta tienen un orden natural que va de poco probable a muy probable, así que la variable de respuesta es ordinal. Puesto que la variable de respuesta es ordinal, el administrador utiliza la regresión logística ordinal para modelar la relación entre los predictores y la variable de respuesta. El administrador utiliza un nivel de significancia de 0.05 para evaluar la significancia estadística del modelo y la bondad de ajuste del modelo.
El valor p para la prueba de que todas las pendientes son cero es menor que 0.05. El bajo valor p indica que la relación entre la variable de respuesta y los predictores es estadísticamente significativa. El valor p para ambas pruebas de bondad de ajuste es mayor que 0.05. Estos valores p altos no proporcionan evidencia de que el modelo sea inadecuado.
En la tabla Regresión logística, los valores p de Distancia y Distancia*Distancia son menores que el nivel de significancia de 0.05. El coeficiente de Distancia es negativo, lo que indica que, por lo general, es menos probable que los pacientes que viven más lejos del consultorio regresen para una consulta de seguimiento. El coeficiente de Distancia*Distancia es positivo, lo que indica que después de cierta distancia es más probable que los pacientes regresen. Con base en estos resultados, el gerente teoriza que es más probable que los pacientes que viven cerca del consultorio hagan una cita de seguimiento debido a la conveniente ubicación del consultorio. También es más probable que los pacientes que estén dispuestos a viajar una distancia larga para una cita inicial regresen para una consulta de seguimiento. El gerente planea agregar nuevas preguntas a la encuesta para investigar estas ideas. El gerente también planea estudiar las predicciones del modelo para determinar la distancia a la que es más probable que los pacientes regresen.
Variable | Valor | Conteo |
---|---|---|
Nueva cita | Muy probable | 19 |
Algo probable | 43 | |
Improbable | 11 | |
Total | 73 |
Relación de probabilidades | IC de 95% | ||||||
---|---|---|---|---|---|---|---|
Predictor | Coef | SE Coef | Z | P | Inferior | Superior | |
Const(1) | 6.38671 | 3.06110 | 2.09 | 0.037 | |||
Const(2) | 9.31883 | 3.15929 | 2.95 | 0.003 | |||
Distancia | -1.25608 | 0.523879 | -2.40 | 0.017 | 0.28 | 0.10 | 0.80 |
Distancia*Distancia | 0.0495427 | 0.0214636 | 2.31 | 0.021 | 1.05 | 1.01 | 1.10 |
GL | G | Valor p |
---|---|---|
2 | 6.066 | 0.048 |
Método | Chi-cuadrada | GL | P |
---|---|---|---|
Pearson | 114.903 | 100 | 0.146 |
Desviación | 94.779 | 100 | 0.629 |
Pares | Número | Porcentaje | Medidas de resumen | Valor |
---|---|---|---|---|
Concordante | 938 | 62.6 | D de Somers | 0.29 |
Discordante | 505 | 33.7 | Gamma de Goodman-Kruskal | 0.30 |
Empates | 56 | 3.7 | Tau-a de Kendall | 0.16 |
Total | 1499 | 100.0 |