Regresión logística en SPSS

[@gabrielalejandrocasaresflo6442]

Gracias a estos videos he mejorado en el uso y la práctica de SPSS, maestros como usted que apoyan y exigen nos hace mejorar día con día, gracias.

[@Elias_Alvarado]

GRACIAS✨

[@lexlovesjihyo]

Con estos videos me he enterado de las tantas funciones que tiene SPSS, ¡muchas gracias, maestro!

[@Elias_Alvarado]

😁

[@monicacoronado3397]

Le agradezco por integrar conocimientos bien desarrollados para así poder ampliar nuestro conocimiento, excelente vídeo!!

[@Elias_Alvarado]

Muchas gracias (●'◡'●)

[@user-mt4ib2lh2b]

El video me proporcionó una excelente introducción al tema . La explicación paso a paso y las demostraciones prácticas en el software fueron muy útiles para comprender cómo aplicar este método estadístico!! La habilidad del presentador para explicar es clarísima. A mi parecer , este video es una herramienta muy valiosa para todos aquellos que se están familiarizando con el tema

[@Elias_Alvarado]

¡Muchas gracias por tu apoyo, me alegra que te haya gustado el video!😎

[@angelicamedina1435]

Excelente explicación, gracias a estos videos voy aprendiendo cada día en como utilizar el programa!!

[@Elias_Alvarado]

Thanks 💙

[@erickescobedo6812]

Excelente explicación, muy fácil de entender para aplicarlo al SPSS, me ayudó bastante para mis evidencias escolares👏🏼

[@Elias_Alvarado]

Me da gusto contribuir en tu formación profesional🙌

[@jesusalejandrosalazaraguil2118]

Excelente explicación sobre el tema de la regresión muy breve y fácil de comprender, algo también que destacar es el buen audio que tiene el video , Gracias!

[@Elias_Alvarado]

Gracias✌

[@AnaKarenZamudio]

La explicación fue clara y concisa. ¡Gracias por hacer que sea fácil de seguir!

[@Elias_Alvarado]

Hola, muchas gracias (¬‿¬)

[@avrild9047]

Se agradece la explicación, hace que sea más fácil manejar el programa.

[@Elias_Alvarado]

Excelente (●'◡'●)

[@kevingonzalez2964]

Muy buena explicación,gracias a este video pude entender más sobre el programa de spss👏🏼

[@Elias_Alvarado]

Ese es el objetivo del canal, gracias por tu comentario😃

[@sharamorales5154]

Exelente explicación de la regresión de logística en SPSS

[@Elias_Alvarado]

Gracias, saludos.

[@davidcastillo8454]

Excelente video, fortaleció mis conocimientos en SPSS junto a las cápsulas anteriores

[@Elias_Alvarado]

Y vendrán más cápsulas...

[@AngelaCasarez]

Muy interesante y útil la explicacion del concepto de regresión logística a usar para aplicarlos a el spss.

[@Elias_Alvarado]

Thanks🧡

[@vezpectrecit0vgamer.795]

Que buen contenido... muy excelente y de gran utilidad 👏

[@Elias_Alvarado]

Gracias, saludos😉

[@aleidamalerva7789]

Excelente explicación, muchas gracias!

[@Elias_Alvarado]

Gracias a ti (●'◡'●)

[@neyderarriozola3719]

Gran explicación!! Muy interesante todo..

[@Elias_Alvarado]

Gracias! 😊

[@orlandodanielvillarrealher6657]

Buen video, explicación clara y precisa

[@Elias_Alvarado]

Gracias 😊

[@tovar1115]

Excelente video y explicación!

[@Elias_Alvarado]

Muchas gracias😃

[@fernandamedina3928]

Buena explicación! Todo muy claro

[@Elias_Alvarado]

Genial🤗

[@Rodsptm]

Muchas gracias por la explicación profe

[@Elias_Alvarado]

Gracias por comentar😁

[@emiliolerma2534]

Excelente forma de explicar

[@Elias_Alvarado]

Gracias🥰

[@oscarcardenasbautista5750]

Gracias por esta excelente explicación, pude comprender mejor el programa!

[@Elias_Alvarado]

Excelente👍

[@jovarvra]

Muy buena explicación!

[@Elias_Alvarado]

Gracias😁

[@yamiii06_]

Buen video, gracias por la explicación

[@Elias_Alvarado]

Gracias por comentar😉

[@emilyjaquez990]

Buen video de mucha utilidad👍🏻🙂

[@Elias_Alvarado]

Thanks (●'◡'●)

[@mar.slow1]

gracias este video entenderr un poco mas sobre el programa 🙌🏼

[@Elias_Alvarado]

Excelente😎

[@pricilasanchez247]

Gran video!!

[@Elias_Alvarado]

Thanks😎

[@alanrios610]

Excelente video muy bien explicado

[@Elias_Alvarado]

Enhorabuena😉

[@samyetc]

Me quedo muy claro con su explicación

[@Elias_Alvarado]

Excelente😊

[@melisanunezjimenez9626]

Excelente video!

[@Elias_Alvarado]

Gracias🤗

[@DianaSanchez-mt1pd]

Hola muchas gracias por la información, si hago una regresión para un estudio de cohorte como aparece RR? es lo mismo que OR ?

[@Elias_Alvarado]

¡Hola! Diana En un estudio de cohorte, cuando realizas una regresión logística, el resultado que obtienes generalmente es el "odds ratio (OR)", no el "riesgo relativo (RR)". Aunque ambos indicadores se utilizan para medir la relación entre una exposición y un evento, son diferentes en su interpretación. -OR: Mide las probabilidades de que ocurra un evento en un grupo expuesto en comparación con el grupo no expuesto. Es muy común en estudios de regresión logística, especialmente en modelos de regresión logística binaria. - RR: Mide la probabilidad de que ocurra un evento en el grupo expuesto en comparación con el grupo no expuesto. Es más comúnmente utilizado en estudios de cohorte y en modelos de regresión de Poisson o en modelos de regresión de proporciones. Entonces, en la regresión logística, obtienes el "OR, no el RR". Si deseas obtener el RR, necesitarías realizar un análisis con un modelo diferente, como un modelo de regresión de Poisson con varianza robusta. Saludos

[@bbrionesss]

Gran explicación acerca del tema "Regresión Logística", Gracias a esta he entendido más acerca del tema.🥳

[@Elias_Alvarado]

Me da mucho gusto, saludos😊

[@jesussantiagodelacerdacura]

Buen video!!!

[@Elias_Alvarado]

😀

[@alfredolucach3286]

excelente video

[@Elias_Alvarado]

Gracias😊

[@hectorhernandezgarces8141]

Buenas tardes Elías. Gran presentación, me ha encantado. No se si podrías ayudarme con una duda que tengo. He creado un modelo predictivo (incluye cinco variables), pero al tener una muestra pequeña (n=180) no lo he desarrollado en un grupo primero para validarlo en un segundo tiempo con el resto de la muestra. Me gustaría validar internamente mi modelo. Sería posible hacerlo en spss realizando un remuestreo bootstrap y, poder elaborar una gráfica con la probabilidad real en el eje Y y la predicha en el eje X. Muchas gracias!!

[@Elias_Alvarado]

¡Buenas tardes! Gracias por tu comentario y tu interés en el tema. Sí, es posible validar tu modelo de regresión logística internamente en SPSS utilizando el método de remuestreo "bootstrap", especialmente útil cuando tienes una muestra pequeña. Aquí te dejo una guía general: 1. Remuestreo Bootstrap: - En SPSS, ve a "Analyze > Regression > Binary Logistic". - Configura tu modelo con las variables que deseas analizar. - Luego, en la ventana de regresión logística, selecciona "Bootstrap" y configura el número de muestras (por ejemplo, 1000) para obtener una estimación más robusta de tus parámetros. 2. Gráfica de Probabilidad Real vs. Predicha: - Una vez realizado el modelo, guarda los valores predichos (probabilidades) y las observadas en el menú de "Save" (en la misma ventana de la regresión logística). - Con los valores guardados, crea una gráfica de dispersión en "Graphs > Chart Builder". - En el eje Y coloca la probabilidad observada (variable dependiente) y en el eje X la probabilidad predicha. Este procedimiento te permitirá una validación interna del modelo y visualizar la concordancia entre las probabilidades predichas y las reales. ¡Espero que te sea útil! Saludos

[@PololaCruz1]

Muchas gracias!😃

[@Elias_Alvarado]

De nada 😊 Espero que la cápsula haya sido de utilidad.

[@bryanreyna7089]

¿Puede llegar a cambiar la interpretación de la regresión dependiendo de la relación positiva o negativa de los beta o no cambia nada si es positiva o negativa?

[@Elias_Alvarado]

Sí, la interpretación de los coeficientes beta en la regresión puede cambiar dependiendo de si son positivos o negativos, y esto es fundamental para entender la relación entre las variables independientes y la variable dependiente. Recuerda que un coeficiente BETA POSITIVO indica una relación directa entre la variable independiente y la variable dependiente. Mientras que un coeficiente BETA NEGATIVO indica una relación inversa. No olvides que estos coeficientes solo indican la dirección de la relación, no necesariamente su fuerza o causalidad. Además, la significancia estadística de estos coeficientes debe ser evaluada para determinar si las relaciones observadas son confiables y no producto del azar😉

[@r.6467]

Hola Elías, gracias por el vídeo . Es muy educativo. ¿tienes el fichero para intentar replicarlo en casa? Gracias y enhorabuena por tu canal

[@Elias_Alvarado]

Sí, lo pusieron en la descripción. Saludos😉

[@r.6467]

@@Elias_Alvarado Ah pues es que entro en la web, pero no lo veo. ¿Hay que rellenar el cuestionario para solicitar los datos? Gracias de nuevo

[@jvan99ful]

Excelente explicación, tengo una pregunta. La variable casada es dicotomica nominal, en ese caso porque no fue incluida en la opción categoria. Por otro lado, si tuviera una variable politomica ordinal independiente, esta la puedo incluir en la opción categoria?

[@Elias_Alvarado]

La variable "casada" que mencionas sí es dicotómica porque solo tiene dos categorías. Aunque es nominal, no siempre se incluye como una categoría en ciertos tipos de análisis debido a que su naturaleza dicotómica ya representa una separación clara de los datos. En algunos otros softwares o métodos estadísticos, podrías simplemente ingresarla como una variable binaria (0 y 1) en lugar de tratarla como una categoría en el sentido de múltiples niveles. En cuanto a una variable politómica ordinal, como podría ser una que mida niveles de acuerdo o educación, esta puede y generalmente se incluye en la opción de categoría en muchos análisis, especialmente si se desea estudiar el efecto de los diferentes niveles de esta variable sobre una variable dependiente. La inclusión como categoría permite utilizar el orden de los niveles, que es información relevante en variables ordinales, para modelar posibles tendencias o patrones en los datos. Por lo tanto, si la podrías ingresar en categoría😉 Saludos

[@jorgediaz333]

Buenas tardes, Elías. Tengo una consulta sobre un análisis de regresión logística que deseo realizar. Planeo trabajar con las categorías de grupos de investigación (A1, A, B y C), confrontándolas con el tipo de institución (Universitaria y No Universitaria). ¿Estaría bien clasificar las variables de la siguiente manera? Variable dependiente (Y): Clasificación del grupo, codificada como: A1 = 4 A = 3 B = 2 C = 1 Variable independiente (X): Tipo de institución, codificada como: Universitaria = 1 No Universitaria = 0 Agradezco mucho tu orientación sobre si esta categorización es adecuada o si debería considerar algún ajuste. Saludos cordiales.

[@Elias_Alvarado]

Gracias por tu consulta. El planteamiento que propones tiene una base, pero hay algunos aspectos importantes que debes considerar para asegurarte de que el análisis de regresión logística sea apropiado. 1. Revisión de la variable dependiente (Y): Clasificación del grupo En tu caso, la variable dependiente (Y) está codificada como una escala ordinal (A1 = 4, A = 3, B = 2, C = 1). Sin embargo, la regresión logística estándar (binaria) está diseñada para trabajar con variables dependientes dicotómicas (con dos categorías: 0 y 1). Dado que tienes cuatro categorías ordenadas, sería más adecuado realizar una "regresión logística ordinal" (o multinomial si no hay orden implícito) en lugar de una regresión logística binaria. La regresión logística ordinal considera la relación de orden entre las categorías y es ideal para este caso. 2. Variable independiente (X): Tipo de institución Tu codificación para la variable independiente (Universitaria = 1, No Universitaria = 0) es adecuada para un análisis de regresión logística. Es una variable dicotómica que puede utilizarse como predictor en el modelo. 3. Recomendaciones para el análisis - Regresión logística ordinal: Si decides considerar el orden en la clasificación de los grupos (A1 > A > B > C), puedes realizar una regresión logística ordinal. Esta técnica permite modelar la probabilidad acumulativa de pertenecer a una categoría o a una categoría inferior, respetando la naturaleza ordinal de tu variable dependiente. - Regresión logística multinomial: Si decides ignorar el orden y tratar las categorías como nominales (sin una relación de jerarquía específica), puedes emplear una regresión logística multinomial. 4. Pasos sugeridos 1. En SPSS, asegúrate de seleccionar la técnica de regresión adecuada: - Ve a "Analyze" > "Regression" > "Ordinal" (para regresión logística ordinal). - O utiliza "Multinomial Logistic Regression" si optas por tratar las categorías como nominales. 2. Verifica los supuestos del modelo: - Para la regresión ordinal, asegúrate de que el supuesto de "proporcionalidad de odds" (odds ratio proporcional entre categorías) se cumple. Esto puede ser validado en SPSS. 3. Considera la interpretación de los coeficientes: - En la regresión logística ordinal, los coeficientes indican el cambio en el logaritmo de las odds acumulativas de pertenecer a una categoría o a categorías inferiores. - En la regresión multinomial, los coeficientes indican la probabilidad relativa de pertenecer a una categoría en comparación con una categoría de referencia. Conclusión: La codificación que propones para las variables es válida, pero el modelo de análisis debe ajustarse a la naturaleza de tus datos. Dado que tu variable dependiente tiene más de dos categorías y estas tienen un orden, te recomendaría optar por una regresión logística ordinal. Espero que esta explicación sea útil. ¡Éxito en tu análisis! Saludos 😊

[@jorgediaz333]

@@Elias_Alvarado Muchas gracias por la explicación. Voy a utilizar entonces la regresión logística ordinal.

[@fernandoescobar3693]

Gracias por la explicación, muy excelente!!

[@Elias_Alvarado]

Gracias por comentar😎

[@fatimapaolachihuahua1584]

Buen video!!

[@Elias_Alvarado]

😗

[@Marian-zs8md]

Buen video!!

[@Elias_Alvarado]

❤️

[@AlexRodriguez-hk2in]

Buen video!!

[@Elias_Alvarado]

Thanks😎