Regresión logística ordinal

La regresión logística ordinal es un modelo estadístico que analiza la relación entre una o más variables predictoras y una variable de respuesta con tres o más categorías ordenadas. Las categorías tienen un orden o rango natural, como bajo/medio/alto o en desacuerdo/neutral/de acuerdo, pero la distancia exacta entre ellas no es medible.

Última revisión:

Idea clave

La regresión logística ordinal es un modelo estadístico que analiza la relación entre una o más variables predictoras y una variable de respuesta con tres o más categorías ordenadas.

En esta página
  1. ¿Qué es la regresión logística ordinal?
  2. ¿Cuándo usar la regresión logística ordinal?
  3. Pautas para el uso correcto de la regresión logística ordinal
  4. Alternativas: cuándo no usar la regresión logística ordinal
  5. Ejemplo de regresión logística ordinal
  6. Cómo realizar una regresión logística ordinal

¿Qué es la regresión logística ordinal?

La regresión logística ordinal es un modelo estadístico que analiza la relación entre una o más variables predictoras y una variable de respuesta con tres o más categorías ordenadas. Las categorías tienen un orden o rango natural, como bajo/medio/alto o en desacuerdo/neutral/de acuerdo, pero la distancia exacta entre ellas no es medible. Predice la probabilidad de pertenecer a cada categoría a partir de los predictores.

¿Cuándo usar la regresión logística ordinal?

Variables predictoras

  • Los predictores pueden ser continuos, categóricos o una combinación de ambos
  • Las variables discretas pueden tratarse como continuas o categóricas según el número de niveles y el propósito del análisis
  • Un solo predictor continuo con una respuesta continua → use Ajustar modelo de línea (Fit Line Model)
  • Varios predictores con una respuesta continua → use Ajustar modelo de regresión (Fit Regression Model)

Variable de respuesta

  • La respuesta debe tener tres o más categorías ordenadas con un rango natural (p. ej., bajo/medio/alto, nunca/a veces/siempre)
  • El orden importa, pero la distancia entre categorías no tiene por qué ser igual
  • La respuesta tiene solo dos categorías (aprobado/rechazado) → use Ajustar modelo logístico binario (Fit Binary Logistic Model)
  • La respuesta tiene categorías sin orden (rayadura/abolladura/desgarro) → use Regresión logística nominal
  • La respuesta es continua → use Ajustar modelo de regresión (Fit Regression Model) o Ajustar modelo de línea (Fit Line Model)

Pautas para el uso correcto de la regresión logística ordinal

  • Asegúrese de que la variable de respuesta tenga tres o más categorías con un orden significativo; si el orden no importa, use en su lugar la regresión logística nominal.
  • Los predictores pueden ser continuos o categóricos; asegúrese de que cada predictor esté clasificado correctamente antes de ajustar el modelo.
  • Asegúrese de que los datos representen con exactitud a la población objetivo; los datos sesgados o incompletos producirán resultados poco fiables.
  • Recopile suficientes puntos de datos por categoría para obtener estimaciones de probabilidad estables y fiables en todos los niveles de la respuesta.
  • Mida todas las variables con la mayor exactitud posible; los errores de clasificación o de medición afectan directamente a la exactitud del modelo.
  • Registre los datos en el orden en que se recopilan para ayudar a detectar tendencias o inconsistencias a lo largo del tiempo.
  • Tras el ajuste, valide el modelo con los estadísticos de bondad de ajuste y los diagnósticos de residuos; un modelo con mal ajuste producirá predicciones engañosas.
  • Compruebe el supuesto de odds proporcionales : la regresión logística ordinal supone que la relación entre cada par de grupos de resultados es coherente. Si no se cumple este supuesto, considere en su lugar la regresión logística nominal.

Alternativas: cuándo no usar la regresión logística ordinal

  • Si la respuesta tiene solo dos categorías (p. ej., aprobado/rechazado), use en su lugar Ajustar modelo logístico binario (Fit Binary Logistic Model) .
  • Si las categorías de la respuesta no tienen un orden natural (p. ej., rayadura/abolladura/desgarro), use en su lugar Regresión logística nominal .
  • Si la variable de respuesta es continua, use en su lugar Ajustar modelo de regresión (Fit Regression Model) o Ajustar modelo de línea (Fit Line Model) .
  • Si tiene un solo predictor continuo y una respuesta continua, use en su lugar Ajustar modelo de línea (Fit Line Model) .
  • Si tiene varios predictores y una respuesta continua, use en su lugar Ajustar modelo de regresión (Fit Regression Model) .

Ejemplo de regresión logística ordinal

El gerente de un consultorio médico quiere identificar qué factores influyen en la satisfacción de los pacientes. Se encuesta a los pacientes sobre la probabilidad de que vuelvan para una atención de seguimiento, con respuestas clasificadas como poco probable, algo probable o muy probable. Como estas categorías de respuesta tienen un orden natural, el gerente trata el resultado como una variable ordinal y usa la regresión logística ordinal para examinar la relación entre la probabilidad de que el paciente regrese y predictores como la situación laboral, la edad y la cercanía al consultorio. Se usa un nivel de significancia de 0.05 para evaluar la significancia estadística y la bondad de ajuste del modelo. Los pasos son los siguientes:

  1. Se reunieron los datos necesarios.
Ordinal Logistic Regression — figure 1
  1. Ahora se analizan los datos en Zometric Statistical Software en https://statsai.zometric.com/.
  2. Para encontrar la regresión logística ordinal, elija Statistical module> Regression>Ordinal Logistic Regression.
  3. Dentro de la herramienta, se introducen los datos junto con otros parámetros de la siguiente manera:
Ordinal Logistic Regression — figure 2

5. Tras usar la herramienta indicada, se obtiene la siguiente salida

Ordinal Logistic Regression — figure 3Ordinal Logistic Regression — figure 4

Cómo realizar una regresión logística ordinal

La guía es la siguiente:

  1. Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
  2. En la página de inicio, elija Statistical Tool> Regression > Ordinal Logistic Regression.
  3. A continuación, introduzca los datos manualmente, o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V), o bien use la opción Load Example, con la que se cargarán los datos de ejemplo.
  4. A continuación, debe completar las opciones necesarias.
  5. Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.

En el tablero de Ordinal Logistic Regression, la ventana está dividida en dos partes.

Ordinal Logistic Regression — figure 5

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila forma un subgrupo. Los datos pueden introducirse manualmente, o bien copiarse por completo (Ctrl+C) desde una hoja de Excel y pegarse (Ctrl+V) aquí.

Load example: Se cargarán los datos de ejemplo.

Load File: Se usa para cargar directamente los datos de Excel.

En la parte derecha hay numerosas opciones, como las siguientes:

  • Response: La respuesta es la variable de resultado que se quiere predecir o estudiar. En la regresión logística ordinal, la respuesta debe contener tres o más categorías con un orden natural y significativo , es decir, categorías que se pueden ordenar pero cuya distancia no tiene por qué ser igual.
    Por ejemplo:
    El modelo calcula entonces la probabilidad de que una observación pertenezca a cada categoría a partir de las variables predictoras.
    • Nivel de dolor → Leve / Moderado / Intenso
    • Respuesta de encuesta → En desacuerdo / Neutral / De acuerdo
  • Model Define la estructura del análisis especificando qué predictores y términos de interacción se incluyen en el modelo. Puede incluir:
    • Predictores continuos : variables numéricas como la temperatura, la edad o la dosis
    • Predictores categóricos : variables de agrupación como el género, el tipo de material o la región
    • Términos de interacción : combinaciones de dos o más predictores que juntos pueden tener un efecto superior a sus contribuciones individuales

Preguntas frecuentes

¿Qué es la regresión logística ordinal?

La regresión logística ordinal analiza la relación entre uno o más predictores y una respuesta con tres o más categorías ordenadas, como bajo/medio/alto o en desacuerdo/neutral/de acuerdo, en la que las categorías tienen un rango natural pero la distancia entre ellas no es medible. Predice la probabilidad de pertenecer a cada categoría a partir de los predictores.

¿Cuándo se debe usar la regresión logística ordinal en lugar de la nominal?

Use la regresión logística ordinal cuando las categorías de la respuesta tengan un orden significativo, como nunca/a veces/siempre. Si el orden no importa, como en rayadura/abolladura/desgarro, use la regresión logística nominal. Para una respuesta de dos categorías, como aprobado/rechazado, use el modelo logístico binario, y para una respuesta continua use los modelos de regresión o de línea.

¿Qué es el supuesto de odds proporcionales?

La regresión logística ordinal supone que la relación entre cada par de grupos de resultados es coherente, lo que se conoce como supuesto de odds proporcionales. Debe comprobarse después del ajuste; si no se cumple, considere en su lugar la regresión logística nominal. Valide el modelo con estadísticos de bondad de ajuste y diagnósticos de residuos.

¿Qué predictores se pueden usar en la regresión logística ordinal?

Los predictores pueden ser continuos, como la temperatura, la edad o la dosis, categóricos, como el tipo de material o la región, o una combinación de ambos. Las variables discretas pueden tratarse como de uno u otro tipo, según el número de niveles y el propósito del análisis. El modelo también puede incluir términos de interacción entre predictores.