La regresión ordinal permite modelar la dependencia de una variable de respuesta ordinal politómica sobre variables predictoras. A diferencia de la regresión lineal, en la regresión ordinal las diferencias entre las categorías de respuesta no son necesariamente equivalentes. El documento describe los supuestos, estadísticos, parámetros y resultados de la regresión ordinal.
Original Description:
casos en los que se debe utilizar la regresion logistica ordinal
Original Title
La Regresión Ordinal Permite Dar Forma a La Dependencia de Una Respuesta Ordinal Politómica Sobre Un Conjunto de Predictores
La regresión ordinal permite modelar la dependencia de una variable de respuesta ordinal politómica sobre variables predictoras. A diferencia de la regresión lineal, en la regresión ordinal las diferencias entre las categorías de respuesta no son necesariamente equivalentes. El documento describe los supuestos, estadísticos, parámetros y resultados de la regresión ordinal.
La regresión ordinal permite modelar la dependencia de una variable de respuesta ordinal politómica sobre variables predictoras. A diferencia de la regresión lineal, en la regresión ordinal las diferencias entre las categorías de respuesta no son necesariamente equivalentes. El documento describe los supuestos, estadísticos, parámetros y resultados de la regresión ordinal.
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.