Análisis M. Tema 4

¿Cuál es la variable dependiente en una regresión logística binaria?. Cuantitativa continua. Dicotómica (cualitativa). Ordinal. Politómica.

¿Cuál es la ventaja de la regresión logística sobre el análisis discriminante?. Usa solo variables cuantitativas. Es más restrictiva. Es más robusta y menos exigente. Requiere normalidad en las VI.

¿Qué mide el estadístico Wald en regresión logística?. La varianza residual. La significación de cada predictor. El tamaño del efecto. La bondad del ajuste.

¿Qué representa el Logit en regresión logística?. El número de predictores. La media de la variable dependiente. El logaritmo del odd ratio. El error típico de medida.

¿Qué tipo de variable se puede utilizar como predictora en una regresión logística?. Cuantitativas. Cualitativas. Ambas. Ninguna.

¿Qué método de estimación se utiliza en regresión logística?. Mínimos cuadrados. Máxima verosimilitud. Análisis factorial. Razonamiento Bayesiano.

¿Qué indica un coeficiente β negativo en la regresión logística?. Aumenta la probabilidad del evento. Disminuye la probabilidad del evento. Es un error. No tiene efecto.

¿Cuál es la interpretación del Exp(b)?. Odd. Odd Ratio. Nivel de significación. Valor esperado del criteruo.

¿Qué indicador mide el ajuste global del modelo logístico?. R² de Nagelkerke. R² de Pearson. F de Snedecor. R² de Cox y Snell.

¿Qué representa el valor -2LL en regresión logística?. Parte no explicada por el modelo. vARIANZA TOTAL. Tamaño del efecto. Coeficiente de correlación.

¿Cuál de los siguientes es un ejemplo de regresión logística en psicología clínica?. Predecir la duración de una terapua. Estimar el tiempo de recaída en depresión. Medir autoestima. Predecir la satisfacción marital.

¿Qué se obtiene al calcular la inversa del logit?. R2. Odd. Probabilidad. Error típico.

Qué tipo de regresión logística se utiliza si la VD tiene más de dos categorías?. Logística binaria. Lineal. Logística multinomial. Discriminante.

En regresión logística, ¿cuándo se considera que un modelo clasifica bien?. Si acierta al menos el 62,5%. Si acierta al menos el 50%. Si acierta al menos el 90%. Si acierta al menos el 75%.

¿Cuál de los siguientes NO es un supuesto de la regresión logística?. Normalidad de las VI. Relación lineal entre VI y Logit. Ausencia de multicolinealidad. Modelo correctamente especificado.

¿Qué representa el término "Odd"?. Probabilidad total. Cociente entre probabilidad de que ocurra y que no ocurra un evento. Valor estimado del criterio. Residuo estándar.

¿Cuál es el objetivo del análisis logístico?. Maximizar la varianza explicada. Minimizar el errror. Maximizar la probabilidad de acierto en la predicción. Maximizar el número de variables predictoras.

¿Cómo se calcula la Odd Ratio?. Con la media de las probabilidades. Con la varianza del modelo. Cociente entre dos odds. Producto entre las probabilidades.

Qué valor debe alcanzar el R² de Nagelkerke para considerar un buen ajuste?. 62.5%. Cuanto más cercano a 1 mejor. 0.8. 90%.

¿Qué ocurre si la probabilidad estimada es mayor que 0.5?. Se predice que no ocurrirá el evento. Se predice que ocurrirá el evento. No hay predicción. Se invalida el modelo.

¿Qué indicador permite saber si el modelo completo es significativo?. Wald. Chi-cuadrado de cada ítem. Chi-cuadrado global. F.

¿Qué se considera un factor de protección?. Exp(b) > 1. Exp(b) < 1. Exp(b) = 1. β negativo.

¿Qué significa que una variable tenga un ODD ratio = 1?. Factor de riesgo. Factor de protección. No tiene efecto sobre la probabilidad. El modelo no la incluye.

¿Cómo se interpreta un β = 0 en regresión logística?. Aumenta la probabilidad. Disminuye la probabilidad. Error de estimación. No hay efecto de la VI sobre la VD.

Qué se entiende por máxima verosimilitud?. Media de probabilidades. Criterio para estimar los coeficientes que maximiza la predicción. Valor más frecuente de la VD. Probabilidad de la mediana.

¿Cuál de estos coeficientes se interpreta igual que el de una regresión lineal?. Wald. β. Nagelkerke. R2.

¿Qué se necesita para estimar una odd con tablas de contingencia?. Solo frecuencias relativas. Cocientes entre probabilidades. Medias y desviaciones típicas. Coeficientes de correlación.

Señala la falsa. La regresión logística trabaja con probabilidades. La regresión logística identifica factores de riesgo y de protección. Existen dos tipos de regresión logística, la binaria (con VD dicotómica) y la multinomial (con VD politómica). La regresión logística es restrictiva, ya que no se pueden usar VI’s cualitativas.

Señala la falsa. La regresión logística trabaja con probabilidades. La regresión logística identifica factores de riesgo y de protección. Existen dos tipos de regresión logística, la simple (con VD dicotómica) y la múltiple (con VD politómica). La regresión logística es menos restrictiva, ya que pueden usar VI’s cualitativas.

Señala la verdadera. El LOGIT toma valores entre +1 y -1. Si no se cumplen los supuestos para el análisis discriminante tampoco se cumplirán para la regresión logística. La regresión logística realiza pronósticos de pertenencia a un grupo en base a la estimación de probabilidades, a partir de los valores en las VI’s. Si la VD es dicotómica, en una predicción de recaída-rehabilitación, para la regresión logística se trabaja con un valor de referencia del tipo: P(Y)<0 recaída; P(Y)≥0 rehabilitación.

Señala la verdadera. El LOGIT puede tomar cualquier valor real. Si no se cumplen los supuestos para el análisis discriminante tampoco se cumplirán para la regresión logística. La regresión logística realiza pronósticos de pertenencia a un grupo en base a la estimación de probabilidades, a partir de los valores en las VD’s. Si la VD es dicotómica, en una predicción de recaída-rehabilitación, para la regresión logística se trabaja con un valor de referencia del tipo: P(Y)<0 recaída; P(Y)≥0 rehabilitación.

Señala la falsa. El Logit es una función de enlace logarítmica. El modelo de la regresión logística es: Ln[P(Y)/1-P(Y)]=β0+ β1X1+…+ βnXn. El LOGIT no es imprescindible para obtener valores de probabilidad en la regresión logística. Uno de los supuestos más importantes de la regresión logística es la ausencia de multicolinealidad.

Señala la verdadera. El LOGIT no es imprescindible para obtener valores de probabilidad en la regresión logística. La regresión logística sigue los mismos pasos que el análisis discriminante. La regresión logística es menos exigente que el discriminante, ya que no requiere normalidad ni homocedasticidad. En la regresión logística las variables no tienen por qué ser cuantitativas, pero sí deben ser normales.

Señala la verdadera. Existen dos versiones de los coeficientes de la regresión logística, los estandarizados y los minimizados. El criterio de máxima verosimilitud minimiza las diferencias entre Y e Y’. Al igual que en la regresión lineal múltiple, en la regresión logística los parámetros se estiman mediante mínimos cuadrados. Al igual que en la regresión lineal múltiple, en la regresión logística las mejores variables se seleccionan con el método enter o el método stepwise.

Señala la verdadera. Existen dos versiones de los coeficientes de la regresión logística, los estandarizados y los minimizados. El criterio de máxima verosimilitud maximiza la probabilidad de observar los datos. Al igual que en la regresión lineal múltiple, en la regresión logística los parámetros se estiman mediante mínimos cuadrados. Al igual que en la regresión lineal múltiple, en la regresión logística las mejores variables se seleccionan con el método enter únicamente.

Señala la verdadera. En la regresión logística χ2 sirve para saber si el modelo es estadísticamente significativo. R2 de Nagelkerke no es un indicador de ajuste de la regresión logística muy exacto, es mejor el R2 de Cox y Snell. El R2 de Cox y Snell tiene valores entre -1 y +1. Al usar las matrices de clasificación como indicador de bondad de ajuste, el criterio de aleatoriedad debe ser ganar ½ al azar.

Señala la verdadera. En la regresión logística F sirve para saber si el modelo es estadísticamente significativo. R2 de Nagelkerke no es un indicador de ajuste de la regresión logística muy exacto, es mejor el R2 de Cox y Snell. El R2 de Cox y Snell tiene valores entre o y +1. Al usar las matrices de clasificación como indicador de bondad de ajuste, el criterio de aleatoriedad debe ser ganar ½ al azar.

Señala la verdadera. En la regresión logística F sirve para saber si el modelo es estadísticamente significativo. R2 de Nagelkerke no es un indicador de ajuste de la regresión logística muy exacto, es mejor el R2 de Cox y Snell. El R2 de Cox y Snell tiene valores entre -1 y +1. Al usar las matrices de clasificación como indicador de bondad de ajuste, el criterio de aleatoriedad debe ser ganar al menos ¼ al azar (porcentaje de referencia: 62,5%).

Señala la verdadera. -2LL nos ofrece el valor de la varianza explicada. Con -2LL, cuanto más próximos a 0 peor ajuste. El estadístico de Wald se usa para interpretar los coeficientes en la regresión logística. El estadístico de Wald es equivalente a Exp(b)=ODD.

Señala la verdadera. -2LL nos ofrece el valor de la varianza explicada. Con -2LL, cuanto más próximos a 0 mejor ajuste. El estadístico de Wald se usa para interpretar las utilidades en la regresión logística. El estadístico de Wald es equivalente a Exp(b)=ODD.

Señala la verdadera. -2LL nos ofrece el valor del error no explicado. Con -2LL, cuanto más próximos a 0 peor ajuste. El estadístico de Wald se usa para interpretar las utilidades en la regresión logística. El estadístico de Wald es equivalente a Exp(b)=ODD.

Señala la verdadera. -2LL nos ofrece el valor de la varianza no explicada. Con -2LL, cuanto más próximos a 0 peor ajuste. El estadístico de Wald se usa para interpretar las utilidades en la regresión logística. El estadístico de Wald es equivalente a Exp(b)=ODD RATIO.