La regresin ordinal permite dar forma a la dependencia de una respuesta ordinal

politmica sobre un conjunto de predictores, que pueden ser factores o

covariables. El diseo de la regresin ordinal se basa en la metodologa de
McCullagh (1980, 1998) y en la sintaxis se hace referencia al procedimiento
como PLUM.
El anlisis de regresin lineal ordinario implica minimizar las diferencias de la
suma de los cuadrados entre una variable de respuesta (la dependiente) y una
combinacin ponderada de las variables predictoras (las independientes). Los
coeficientes estimados reflejan cmo los cambios en los predictores afectan a la
respuesta. Se considera que la respuesta es numrica, en el sentido en que los
cambios en el nivel de la respuesta son equivalentes en todo el rango de la
respuesta. Por ejemplo, la diferencia de altura entre una persona que mide 150 cm
y una que mide 140 cm es de 10 cm, que tiene el mismo significado que la
diferencia de altura entre una persona que mide 210 cm y una que mide 200 cm.
Estas relaciones no se mantienen necesariamente con las variables ordinales, en
las que la eleccin y el nmero de categoras de respuesta pueden ser bastante
arbitrarios.
Ejemplo. La regresin ordinal podra utilizarse para estudiar la reaccin de los
pacientes con respecto a una dosis de un frmaco. Las reacciones posibles
podran clasificarse como ninguna,ligera, moderada o grave. La diferencia entre
una reaccin ligera y una moderada es difcil o imposible de cuantificar y se basa
en la apreciacin. Adems, la diferencia entre una respuesta ligera y una
moderada podra ser superior o inferior a la diferencia entre una respuesta
moderada y una grave.
Estadsticos y grficos. Frecuencias observadas y esperadas y frecuencias
acumuladas, residuos de Pearson para las frecuencias y las frecuencias
acumuladas, probabilidades observadas y esperadas, probabilidades acumuladas
observadas y esperadas para cada categora de respuesta por patrn en las
covariables, matrices de correlaciones asintticas y de covarianzas entre las
estimaciones de los parmetros, chi-cuadrado de Pearson y chi-cuadrado de la
razn de verosimilitud, estadsticos de bondad de ajuste, historial de iteraciones,
contraste del supuesto de lneas paralelas, estimaciones de los parmetros, errores
estndar, intervalos de confianza y estadsticos R 2 de Cox y Snell, de Nagelkerke
y de McFadden.
Demostracin
Regresin ordinal: Consideraciones sobre los datos

Datos. Se asume que la variable dependiente es ordinal y puede ser numrica o

de cadena. El orden se determina al clasificar los valores de la variable
dependiente en orden ascendente. El valor inferior define la primera categora. Se
asume que las variables de factor son categricas. Las covariables deben ser
numricas. Observe que al usar ms de una covariable continua, se puede llegar a
crear una tabla de probabilidades de casilla muy grande.
Supuestos. Slo se permite una variable de respuesta y debe especificarse.
Adems, para cada patrn distinto de valores en las variables independientes, se
supone que las respuestas son variables multinomiales independientes.
Procedimientos relacionados. La regresin logstica nominal utiliza modelos
similares para las variables dependientes nominales.
El cuadro de dilogo Opciones le permite ajustar los parmetros utilizados en el
algoritmo de estimacin iterativo, seleccionar un nivel de confianza para las
estimaciones de los parmetros y seleccionar una funcin de enlace.
Iteraciones. El algoritmo iterativo puede personalizarse.
Nmero mximo de iteraciones. Especifique un nmero entero no
negativo. Si se especifica el 0, el procedimiento devolver las estimaciones
iniciales.
Mxima subdivisin por pasos. Especifique un nmero entero positivo.
Convergencia del logaritmo de la verosimilitud. El algoritmo se detiene
si el cambio absoluto o relativo en el logaritmo de la verosimilitud es
inferior a este valor. Si se especifica 0, no se utiliza el criterio.
Convergencia de los parmetros. El algoritmo se detiene si el cambio
absoluto o relativo en cada una de las estimaciones de los parmetros es
inferior a este valor. Si se especifica 0, no se utiliza el criterio.
Intervalo de confianza. Especifique un valor mayor o igual a 0 e inferior a 100.
Delta. El valor aadido a las frecuencias de casilla de cero. Especifique un valor
no negativo inferior a 1.
Tolerancia para la singularidad. Utilizada para comprobar los predictores con
alta dependencia. Seleccione un valor en la lista de opciones.

Funcin de enlace. La funcin de enlace es una transformacin de las

probabilidades acumuladas que permiten la estimacin del modelo. Se
encuentran disponibles las cinco funciones de enlace siguientes.
Logit. f(x)=log(x/(1x) ). Se utiliza tpicamente para categoras
uniformemente distribuidas.
Log-log complementario. f(x)=log(log(1x)). Se utiliza normalmente
cuando las categoras ms altas son ms probables.
Log-log negativo. f(x)=log(log(x)). Se utiliza normalmente cuando las
categoras ms bajas son ms probables.
Probit. f(x)=1(x). Se utiliza normalmente cuando la variable latente
sigue una distribucin normal.
Cauchit (Cauchy inversa). f(x)=tan((x0.5)). Se utiliza normalmente
cuando la variable latente tiene muchos valores extremos.
El cuadro de dilogo Resultados le permite generar tablas que se pueden
visualizar en el Visor y guardar variables en el archivo de trabajo.
Representacin. Genera tablas correspondientes a:
Imprimir el historial de iteraciones. El logaritmo de la verosimilitud y
las estimaciones de los parmetros se imprimen con la frecuencia de
iteraciones a imprimir especificada. Siempre se imprimen la primera y la
ltima iteracin.
Estadsticos de bondad de ajuste. Estadsticos chi-cuadrado de Pearson y
chi-cuadrado de la razn de verosimilitud. Estos estadsticos se calculan
segn la clasificacin especificada en la lista de variables.
Estadsticos de resumen. R 2 de Cox y Snell, de Nagelkerke y de
McFadden.
Estimaciones de los parmetros. Estimaciones de los parmetros, errores
estndar e intervalos de confianza.
Correlacin asinttica de las estimaciones de los parmetros. Matriz de
las correlaciones entre las estimaciones de los parmetros.

 Covarianza asinttica de las estimaciones de los parmetros. Matriz de

las covarianzas entre las estimaciones de los parmetros.
Informacin de casilla. Frecuencias esperadas y observadas y frecuencias
acumuladas, residuos de Pearson para las frecuencias y las frecuencias
acumuladas, probabilidades esperadas y observadas y probabilidades
esperadas y observadas de cada categora de respuesta segn el patrn en
las covariables. Tenga en cuenta que en el caso de modelos con muchos
patrones de covariables (por ejemplo, modelos con covariables continuas),
esta opcin puede generar una tabla grande y poco manejable.
Prueba de lneas paralelas. Prueba correspondiente a la hiptesis de que
los parmetros de ubicacin son equivalentes en todos los niveles de la
variable dependiente. Esta prueba est disponible nicamente para el
modelo de slo ubicacin.
Variables guardadas. Guarda las siguientes variables en el archivo de trabajo:
Probabilidades de respuesta estimadas. Probabilidades estimadas por el
modelo para la clasificacin de un patrn de factores/covariables en las
categoras de respuesta. El nmero de probabilidades es igual al nmero de
categoras de respuesta.
Categora pronosticada. La categora de respuesta con la mayor
probabilidad estimada para un patrn de factores/covariables.
Probabilidad de la categora pronosticada. Probabilidades estimada de
la clasificacin de un patrn factores/covariables en la categora
pronosticada. Esta probabilidad tambin es el mximo de las
probabilidades estimadas para el patrn de factores/covariables.
Probabilidad de la categora real. Probabilidad estimada de la
clasificacin de un patrn de factores/covariables en la categora real.
Imprimir log-verosimilitud. Controla la representacin del logaritmo de la
verosimilitud. Incluir constante multinomial ofrece el valor completo de la
verosimilitud. Para comparar los resultados con los productos que no incluyan la
constante, puede seleccionar la opcin de excluirla.