Tema 3. Regresión Logística.

Problema práctico: Relación entre variables continuas y variables discretas.

En la investigación en ciencias de la salud y ciencias sociales, nos encontramos
frecuentemente con la necesidad de analizar si existe asociación entre una variable de
naturaleza continua (como puntuaciones en síntomas, horas dedicadas a una actividad,
niveles de estrés, etc.) y una variable dicotómica (como presencia/ausencia de un
diagnóstico, aprobar/suspender un examen, recuperarse o no de una enfermedad, etc.).
Por ejemplo:
●​ ¿Los síntomas de ansiedad están asociados con un diagnóstico de Trastorno de
Ansiedad Generalizada?
En este caso la variable independiente/continua sería la puntuación obtenida en una
escala de síntomas de ansiedad, mientras que la variable dependiente/dicotómica
sería la presencia o ausencia del diagnóstico clínico.

Cuando el objetivo es exclusivamente establecer si existe asociación entre una variable

continua y una dicotómica, es decir, comparar si la media de la variable continua difiere
significativamente entre los dos grupos definidos por la variable dicotómica, la solución
metodológica más directa y sencilla consiste en aplicar una prueba de comparación de
medias para dos muestras independientes. Para ello aplicamos la Prueba T Student si se
cumplen todos los supuestos (normalidad, independencia y homocedasticidad), en el caso
de que se incumpliera alguno de los supuestos, aplicaríamos las pruebas no paramétricas
correspondientes, como Mann-Whitney o la Prueba de Welch.

Aunque estas pruebas son eficaces, únicamente permiten trabajar con una única variable
predictora.
Cuando el interés es predecir la pertenencia a los grupos de la variable dicotómica a partir
de múltiples variables simultáneamente (por ejemplo, predecir el diagnóstico de ansiedad
considerando síntomas, factores de riesgo y factores facilitadores), estas pruebas resultan
insuficientes.

Cuando la variable dependiente es dicotómica y necesitamos incorporar múltiples variables

predictoras (de cualquier tipo: continuas, categóricas, ordinales), la técnica adecuada es la
Regresión Logística Binaria. A diferencia de la prueba T, que únicamente compara
medias, la regresión logística:
●​ Permite modelar la probabilidad de ocurrencia del suceso de interés (Y=1) →
cuantifica el grado de certeza o de riesgo de que ocurra algo, de 0 a 1 o de 0% a
100%.
●​ Estimar el efecto de cada predictor controlando el resto de variables.
●​ Proporciona medidas odds ratio que cuantifican la magnitud de la asociación.
●​ Evalúa la capacidad predictiva global del modelo.

Regresión Logística.
La regresión logística es una técnica de análisis multivariante perteneciente a la familia de
los modelos lineales generalizados (MLG). Su principal característica es que está
específicamente diseñada para situaciones en las que la variable dependiente (VD) es de
naturaleza categórica, ya sea dicotómica, politómica nominal u ordinal. A diferencia de la
regresión lineal, no requiere que la VD sea continua ni que se distribuya normalmente, y
permite predecir la probabilidad de pertenencia a las diferentes categorías de la variable
criterio.

Se usa cuando tenemos:

●​ Al menos una Variable Independiente de cualquier tipo:

Tipo de Variable Características Ejemplos

Independiente

Continua Variables medidas en Edad, horas de estudio,

escala de intervalo o razón. puntuación en ansiedad.

Dicotómica Variables con dos Sexo, tratamiento sí/no,

categorías. fumador sí/no.

Politómicas nominales Variables con más de dos Estado civil, tipo de escuela,
categorías sin orden profesión.
jerárquico.

Politómicas ordinales Variables con más de dos Nivel socioeconómico,

categorías con orden gravedad
jerárquico. (leve/moderado/grave).

La regresión logística integra de forma natural cualquier combinación de escalas de

medida en las variables predictoras, sin necesidad de transformaciones previas.
●​ Una variable dependiente categórica, debe ser cualitativa. Puede ser dicotómica (2
categorías) → usamos regresión logística binaria, politómica nominal (3 o más
variables sin orden) → usamos regresión logística nominal, o politómica ordinal (3 o
más variables con orden) → usamos regresión logística ordinal.

Regresión logística binaria.

Imaginemos una investigación en el ámbito clínico cuyo objetivo es determinar si, de entre
un conjunto de factores, existe alguno que ayude a predecir la recuperación de pacientes
diagnosticados con problemas de alcoholismo. La pregunta de investigación no se limita a
establecer asociaciones, sino que pretende desarrollar un modelo predictivo que permita
estimar, para cada paciente, la probabilidad de recuperación en función de sus
características individuales y clínicas.

En este caso la variable dependiente y dicotómica sería la Recuperación en dos niveles: el

paciente logra mantener la abstinencia o consigue el alta (Sí - 1); el paciente no logra la
abstinencia o abandona/fracasa en el tratamiento (No - 0).
Las variables independientes y predictoras de la recuperación serían: tratamiento,
medicación, número de recaídas y edad.

El propósito de la regresión logística binaria en este contexto es múltiple:

●​ Determinar qué variables, de entre todas las consideradas, tienen una asociación
estadísticamente significativa con la probabilidad de recuperación, una vez
controlado el efecto del resto de predictores.
 ●​ Estimar odds ratios (OR) que expresen numéricamente cuánto aumenta o disminuye
la odds de recuperación ante cambios unitarios en cada predictor. → magnitud del
efecto.
●​ Construir un modelo predictivo para nuevos pacientes que permita calcular su
probabilidad estimada de recuperación a partir de sus puntuaciones en las variables
predictoras.
●​ Determinar en qué medida el conjunto de predictores es capaz de discriminar entre
pacientes que se recuperan y pacientes que no se recuperan.

Los pasos a seguir serían los siguientes:

1.​ Modelo logístico: nos encontramos ante una dificultad fundamental: la variable
dependiente es dicotómica (0 - 1), mientras que la función lineal produce
predicciones continuas que pueden tomar cualquier valor entre -∞ y +∞. Al intentar
ajustar una función lineal tipo: 𝑌 = β0 + β1𝑋, donde Y es la recuperación y X son las
variables predictoras (recaídas, edad, etc).
La función lineal puede generar predicciones menores que 0 o
mayores que 1, lo que carece de sentido cuando lo que se
quiere predecir es una probabilidad o una categoría.
Además, la relación entre X y la probabilidad no presenta una
relación lineal. En una relación lineal , cada incremento de una
unidad en X produce SIEMPRE el mismo cambio en Y,
generando una recta:
Sin embargo, en una relación no lineal, el cambio en la
probabilidad depende de en qué punto de X nos encontremos. No es constante.

Para solucionar estos problemas aplicamos la función logística, que se expresa de la

siguiente manera:
1
𝑃(𝑌/𝑅𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑐𝑖ó𝑛 = 1) = Π1 = −(β0+β1*𝑅𝑒𝑐𝑎í𝑑𝑎𝑠 + β2*𝐸𝑑𝑎𝑑 +...)
1+𝑒

Con este modelo el rango de predicciones siempre irá de 0 a 1, es decir, por muchas
recaídas que tenga un paciente, su probabilidad de recuperación nunca será
negativa ni superior al 100%.
Así mismo, la curva nos permite estimar mejor el umbral: el punto crítico donde un
pequeño cambio produce un gran efecto, mientras que antes o después de ese
punto, los cambios apenas tienen consecuencias.
Nos permite dividir la distribución en 3 zonas:
●​ Techo: un paciente con 0 recaídas tiene un 95% de probabilidad de
recuperarse. Está en la cima, casi con el éxito asegurado, por tanto, aunque
recaiga 1 vez su probabilidad de recuperación no baja mucho. Igual que en
un examen, una persona que tiene una puntuación de 9.5, si comete un error
en una pregunta la puntuación puede bajar a 9, pero la calificación continúa
siendo de sobresaliente.
●​ Zona crítica o de incertidumbre: un paciente con 2 recaídas está justo en el
límite. Tiene un 70% de probabilidades, que es bastante, pero no es seguro.
 Una recaída más le hace cruzar el umbral crítico entre: es probable que se
recupere, a, no es probable que se recupere.
Sería como si en un examen tenemos una
calificación de 5 y fallamos una pregunta
pasando a tener un 4.5.
●​ Suelo: un paciente con 4 recaídas ya tiene muy
pocas esperanzas (30%). Una recaída más no
reduce mucho más su probabilidad porque ya
está cerca del mínimo. En un examen con un
2.0, si fallamos más preguntas y pasamos a
tener un 1.5, es indiferente porque
suspenderíamos igual.

Podemos saber cómo de buena es la capacidad predictiva de nuestro modelo

observando la curva logística:

La capacidad predictiva o discriminativa de la curva a es nula, ya que pronostica

una probabilidad del 50% o 0,5 a todos los sujetos.
La capacidad predictiva/discriminativa de la curva b es moderada ya que aún
presenta una zona clara de incertidumbre.
La capacidad predictiva/discriminativa de la curva c es perfecta ya que hace una
separación perfecta entre el grupo de sujetos que se recupera con un 100% de
probabilidad y el grupo de sujetos que no se recupera (0% de probabilidad).

Transformación Logit: buscamos transformar la fórmula de la función logística que

hemos visto antes porque al no ser lineal se hace complejo interpretar los
coeficientes. Transformamos esta función en algo más manejable mediante los odds
o ventaja.
𝑃(𝑌=1)
Una Odds es: 𝑃 ​ Puede tomar valores entre 0 e infinito.
𝑃(𝑌=0) = 1−𝑃
Para interpretarlo usamos las siguientes reglas:
●​ Si es mayor que 1 (>1), significa que la probabilidad de recuperación →
P(Y=1), es mayor que la probabilidad de no recuperarse → P(Y=0).
●​ Si es igual a 1, significa que es igual de probable que haya recuperación y
que no la haya.
●​ Si es menor que 1 (<1), significa que la probabilidad de que no haya
recuperación → P(Y=0), es mayor que la probabilidad de recuperación →
P(Y=1).
​
​ Por ejemplo:

Paciente P(Y=1) o P P(Y=0) o 1 - P Odds Interpretación

Es 4 veces más
0.80 probable que el
1 0.80 1 - 0.80 = 0.20 0.20
= 4 >1 paciente 1 se
recupere a que
no lo haga.

Es 3 veces más
0.75 probable que el
2 0.75 1 - 0.75 = 0.25 0.25
= 3>1 paciente 2 se
recupere a que
no lo haga.

​
Ahora que tenemos los odds, ¿cómo estimamos el modelo a partir de los datos de
nuestra muestra de pacientes?
Aquí es donde entra en juego el método de Máxima Verosimilitud para encontrar los
coeficientes que hacen más probable (más "verosímiles") los datos que hemos
observado.
Una vez obtenidos estos coeficientes mediante Máxima Verosimilitud, podemos
exponenciarlos (e^β) para obtener las odds ratios, que nos indican cuánto aumenta
o disminuye la odds de recuperación ante cambios en las variables predictoras.

La Odds Ratio (OR), también llamada "razón de ventajas" o "razón de odds", es el

cociente entre dos odds. Permite comparar la odds de que ocurra un suceso en dos
grupos diferentes o bajo dos condiciones distintas.
𝑂𝑑𝑑𝑠1
𝑂𝑅 = 𝑂𝑑𝑑𝑠2
En el contexto más habitual, comparamos la odds del suceso de interés (Y=1) entre
un grupo expuesto a una condición (X=1) y un grupo no expuesto (X=0):
𝑃(𝑌=1 | 𝑋=1)
𝑃(𝑌=0 | 𝑋=0)
𝑂𝑅 = 𝑃(𝑌=1 | 𝑋=1)
𝑃(𝑌=0|𝑋=0)

Esta fórmula se puede representar visualmente a partir de la tabla de contingencia

2x2:

Y = 1: Recuperación Y = 0: No Recuperación

X = 1: Tratamiento A - 30 B - 10
combinado

X = 0: Tratamiento C - 20 D - 40
convencional
 𝐴 30 𝐶 20
𝑂𝑑𝑑𝑠 = 𝐵
= 10
= 3 > 1​ 𝑂𝑑𝑑𝑠 = 𝐷
= 40
= 0. 5 < 1

𝐴/𝐵 3
𝑂𝑅 = 𝐶/𝐷
= 0.5
= 6 > 1 → La probabilidad de recuperación en el grupo con
tratamiento combinado es 6 veces mayor que en el grupo con tratamiento
convencional.

Aplicamos ciertas reglas para interpretar la puntuación obtenida en la Odds Ratio

(OR):
●​ Si es mayor que 1 (>1), significa que la odds del grupo expuesto → X = 1, es
mayor que la odds del grupo no expuesto → X = 0.
●​ Si es igual a 1, significa que odds del grupo expuesto es igual que la odds del
grupo no expuesto.
●​ Si es menor que 1 (<1), significa que la odds del grupo no expuesto → X = 0,
es mayor que la del grupo expuesto → X = 1.

2
2.​ Valoración del modelo: el 𝑅 (coeficiente de determinación) es una medida muy
conocida que indica la proporción de varianza de la variable dependiente que es
explicada por las variables independientes. Su valor oscila entre 0 y 1, donde 0
significa que el modelo no explica nada y 1 que explica toda la varianza. Para
extraerlo empleamos:
●​ Cox Snell: nunca alcanza el 1, por lo que es más difícil de interpretar.
●​ Nagelkerke: es la corrección del anterior, puede alcanzar el 1, por lo que es
el más empleado.

Los coeficientes de determinación nos permiten medir la bondad de ajuste del

modelo, es decir, en qué medida nuestro modelo logístico se ajusta a los datos
observados y es capaz de predecir correctamente.
Podemos estimar el ajuste del modelo observando la curva:

2
La curva a presenta un 𝑅 = 0, lo que significa que el modelo no discrimina, asigna
probabilidades similares a casos y no casos, por lo que las predicciones son
prácticamente aleatorias.
2
La curva b presenta un 𝑅 = 0. 50, lo que significa que el modelo discrimina
parcialmente, tiende a asignar probabilidades más altas a quienes realmente se
recuperan y más bajas a quienes no, pero con errores.
 2
La curva c presenta un 𝑅 = 1, lo que significa que el modelo discrimina
perfectamente, asignando probabilidades cercanas a 1 a todos los que se recuperan
y cercanas a 0 a todos los que no. Casi nunca obtenemos este resultado en la
práctica.

En toda regresión logística, una vez que hemos estimado el modelo mediante el
método de máxima verosimilitud, obtenemos una serie de coeficientes que
cuantifican la relación entre las variables predictoras y la variable dependiente. Los
dos componentes fundamentales son:
●​ β0 (constante o punto de origen): es el nivel basal, cuando no consideramos
las variables predictoras (X=0).
○​ Si β0 es mayor que 0 (>0), significa que, cuando todas las X = 0, es
más probable que ocurra Y=1 a que ocurra Y=0. En nuestro ejemplo
sería más probable que se recupere a que no se recupere.
○​ Si β0 es igual a 0, significa que, cuando todas las X = 0, ambas
probabilidades son iguales (50%). Habría la misma probabilidad de
recuperación que de no recuperación.
○​ Si β0 es menor que 0 (<0), significa que, cuando todas las X = 0, es
más probable que ocurra Y=0 a que ocurra Y=1. En nuestro ejemplo
sería más probable que no se recupere a que se recupere.

●​ β1 (coeficiente de discriminación): represeta el efecto específico de cada

variable predictora.
○​ Si β1 es mayor que 0 (>0), significa que, al aumentar X, aumenta la
probabilidad de Y=1 (asociación positiva).
○​ Si β1 es igual a 0, significa que, X no tiene efecto sobre Y, no hay
asociación.
○​ Si β1 es menor que 0 (<0), significa que, al aumentar X, disminuye la
probabilidad de Y=1 (asociación negativa).

Por ejemplo: Si β1 (recaídas) = -0.58 < 1. Significaría que por cada nueva recaída la
probabilidad de recuperación disminuye.
Si β2 (medicación) = 1.20 > 1. Significaría que pasar de no tomar medicación a
tomar medicación aumenta la probabilidad de recuperación.

Estos coeficientes pueden expresarse en dos escalas diferentes: puntuaciones

directas (los β originales) y puntuaciones exponenciales (exp(β)), cada una con una
interpretación específica y complementaria.
●​ exp (β0): obtenemos la odds basal → exp (β0) = Odds(Y=1 | X=0). Es decir, la
odds de que ocurra el suceso cuando todas las variables predictoras valen
cero. Esto significa que, en esa situación basal, es exp(B₀) veces más
probable recuperarse que no recuperarse. [Link]. β0 = − 1. 3 → exp(β0) =
−1.3
𝑒 = 0. 27 < 1. En la situación basal (tratamiento convencional), la odds
 de recuperación es 0.27, lo que indica que es más probable no recuperarse
que recuperarse (usamos las reglas de interpretación de las odds).
●​ exp (β1): nos da la Odds Ratio (OR) asociada a esa variable → exp (β1) = OR.
Por cada incremento de una unidad en X, la odds de Y=1 se multiplica por
exp(β1), manteniendo constantes las demás variables.

exp (β1) Interpretación Ejemplo

Odds mayor que 1 (>1) La odds aumenta → factor exp(β1) = 3.32 → La odds
de riesgo o facilitador se multiplica por 3.32

Odds igual a 1 La odds no cambia, no hay exp(β1) = 1 → La odds no

efecto se modifica

Odds menor que 1 (<1) La odds disminuye → factor exp(β1) = 0.56 → La odds
protector se multiplica por 0.56

3.​ Supuestos:
●​ Variable Dependiente binaria: dicotómica con dos categorías mutuamente
excluyentes.
●​ Linealidad (logit): debe existir una relación lineal entre las variables
predictoras continuas y el logit de la variable dependiente (el logaritmo de la
odds). Se comprueba mediante el diagrama de dispersión de residuos, si se
distribuyen aleatoriamente alrededor de la línea recta, el supuesto se cumple.
Si por el contrario la distribución tiene forma de U, S o se dispersan
significativamente respecto a la recta, no se
cumple el supuesto.
●​ Independencia de residuos: las observaciones
deben ser independientes entre sí. Los
residuos (diferencias entre lo observado y lo
predicho) no deben estar correlacionados. Se
comprueba mediante el gráfico de residuos: si
la dispersión de los puntos no muestra ningún
tipo de patrón, el supuesto se cumple. Si por
el contrario los puntos presentan una forma
definida, como un cono, un S, etc, el supuesto
no se cumple.
●​ Sin casos atípicos o influyentes: no deben
existir casos atípicos (outliers) que se alejen
extremadamente del patrón general, ni casos influyentes que alteren
significativamente los coeficientes del modelo. Para comprobar el supuesto
empleamos la distancia de Cook, si el valor es mayor que 1 (>1) hay un caso
claramente influyente que debemos examinar. También podemos emplear los
casos con residuos, en este caso, si el valor es mayor que 3 (>3) hay un caso
potencialmente atípico que debemos revisar.
 ●​ Dispersión proporcional a la media: depende de la probabilidad predicha.
Concretamente, la varianza es máxima cuando P ≈ 0.5 y mínima cuando P
se acerca a 0 o 1. Esto es lo que esperamos encontrar ya que es una
característica inherente del modelo. Podemos comprobarlo mediante el
gráfico de residuos frente a pronósticos, si la forma de la curva es una U
invertida, el supuesto se cumple.
●​ Ausencia de multicolinealidad: cuando hay más de una variable
independiente, estas no deben estar altamente correlacionadas entre sí. La
multicolinealidad ocurre cuando dos o más predictores proporcionan
información redundante. Para comprobar el supuesto empleamos los
2
estadísticos de tolerancia (1 - 𝑅 ): se considera que hay problemas de
multicolinealidad cuando la tolerancia es menor que 0,10 (es decir, cuando
más del 90% de su varianza es explicada por las demás variables).. También
1
debemos analizar el VIF (factor de inflación de la varianza → 𝑇𝑜𝑙𝑒𝑟𝑎𝑛𝑐𝑖𝑎 ): es
el inverso a la tolerancia. Se considera que hay multicolinealidad
problemática cuando el VIF es superior a 10.

Ejemplo de SPSS.
●​ Variables de estudio: es importante dónde situamos la Y=1 ya que las predicciones
se realizan entorno a dicha variable.
○​ Variable dependiente: Recuperación (Y=1) y No Recuperación (Y=0).
Recuperación entendida como ausencia de recaídas durante los 18 meses
posteriores al tratamiento.
○​ Variable independiente: Tratamiento: estándar (X=0) y combinado (X=1).

Observando las filas podemos ver que:

●​ En el tratamiento estándar el 21.4% de los sujetos se recuperan frente al 78.6% de
sujetos que no se recuperan. Por lo que en este grupo de sujetos, es más probable
no recuperarse empleando este tipo de tratamiento.
●​ En el tratamiento combinado el 64,3% de los sujetos se recuperan frente al 35.7%
de sujetos que no se recuperan. Por lo que en este grupo de sujetos es más
probable recuperarse empleando este tipo de tratamiento.

Esta tabla simplemente nos indica el nº de casos

que se han incluído para el análisis. En este
caso se ha empleado la muestra completa.
La tabla 3.7., muestra cómo clasificaría los casos un modelo que no tiene predictores, es
decir, que asigna a todos los casos la misma predicción (la categoría más frecuente).
El modelo nulo siempre predice "No recuperación" (la categoría mayoritaria: 48 casos de
84).
●​ Acierta en todos los que realmente no se recuperan (48/48 = 100% de
especificidad).
●​ Fracasa completamente en predecir a quienes se recuperan (0/36 = 0% de
sensibilidad).
●​ El porcentaje global de aciertos es 57,1%, que es simplemente la proporción de la
categoría mayoritaria.

Este 57,1% es el mínimo a superar. Si nuestro modelo con predictores no mejora este
porcentaje, no sirve para nada.

La tabla 3.8., muestra el valor de la constante (β0) cuando no hay predictores.

Dado que β0 = − 0. 29 < 0 es más probable que no se recuperen a que se recuperen.
El exp(β0) = 0.75 < 1, lo que de nuevo nos indica que es más probable que no se recupere a
que se recupere.
Por último, nos fijamos en Sig. = 0.192 > 0.05, por tanto no podemos afirmar que β0 es
significativamente diferente de 0, por lo que la probabilidad basal es del 50% o 0.50.

La tabla 3.9., muestra qué variables candidatas están esperando a entrar en el modelo.
Evalúa si, por sí solas, mejorarían significativamente el ajuste respecto al modelo nulo. En
este caso nuestra variable candidata es el tratamiento, nos basamos en Sig. = 0.000 < 0.05.
Esto significa que, si introducimos el tratamiento en el modelo, la mejora respecto al modelo
nulo sería estadísticamente significativa.

La tabla 3.10., evalúa globalmente si el modelo con los predictores incluidos mejora
significativamente respecto al modelo nulo (solo con la constante).
●​ Paso: nos permite saber si mejora el modelo al añadir la variable candidata más
predictiva, en nuestro caso nos indica si el modelo mejora significativamente al
añadir la variable de tratamiento → Sig. = 0.000 < 0.05, por tanto el modelo mejoraría
significativamente.
●​ Bloque: nos permite analizar si el modelo mejora al añadir varias variables
candidatas al mismo tiempo, como en nuestro caso sólo estamos considerando la
variable de tratamiento, no nos aporta información nueva.
●​ Modelo: nos permite ver si el modelo completo mejora respecto al modelo nulo →
Sig. = 0.000 < 0.05, por tanto el modelo completo mejora significativamente respecto
al modelo nulo al incluir las variables candidatas.

La tabla 3.11.:
●​ -2 log de la verosimilitud: es una medida de falta de ajuste del modelo. Cuanto
menor sea este valor, mejor es el ajuste del modelo a los datos. Debemos
comprobar el valor que nos da el nuevo modelo respecto al del modelo nulo. Como
sólo tenemos el valor del nuevo modelo (98.39), nos basamos en el chi-cuadrado de
la prueba ómnibus (16.34), que nos indica cuánto reduce la falta de ajuste el nuevo
modelo respecto al modelo nulo.
2
●​ 𝑅 de Nagelkerke: en nuestro caso el valor es 0.24, lo que significa que el modelo
explica alrededor de un 24% de la varianza de la variable dependiente. Esto nos
indica que el tratamiento es relevante, pero al sólo emplear esta variable para
predecir la recuperación de los sujetos, aún hay un gran porcentaje de varianza sin
explicar, lo que quiere decir que hay otras variables que influyen en la recuperación y
que no estamos considerando.
La tabla 3.12., compara lo que el modelo predice con lo que realmente observamos en los
datos.
●​ De los 48 sujetos que no se recuperan (33+15), el modelo predijo correctamente a
33 → 33 aciertos y 15 falsos positivos.
●​ De los 36 pacientes que se recuperan (9+27), el modelo predijo correctamente a 27
→ 27 aciertos y 9 falsos positivos.

Con estos datos podemos saber a sensibilidad y la especificidad que presenta nuestro
modelo:
●​ Sensibilidad: capacidad para detectar correctamente a quienes se recuperan → 75%,
lo que significa que de todos los sujetos que el modelo predice que se recuperan, el
75% realmente se recuperan.
●​ Especificidad: capacidad para detectar correctamente a quienes NO se recuperan →
68.8%, lo que significa que de todos los sujetos que el modelo predice que no se
recuperan, el 68.8% realmente no se recuperan.

Por último el indicador de validez predictiva nos aporta el porcentaje de aciertos total del
modelo, que en este caso es 71.4%. Para saber si el modelo mejora la capacidad predictiva
comparamos este porcentaje con el que hemos obtenido del modelo nulo en la matriz de
confusión, en nuestro caso 57.1% < 71.4%, por tanto nuestro modelo mejora la capacidad
predictiva en un 14.3%.

La tabla 3.13., nos permite saber si el tratamiento afecta a la recuperación y en qué medida.
●​ Tratamiento (β1): presenta un valor de 1.89 > 1, lo que significa que cuando
pasamos de tratamiento estándar a tratamiento combinado aumenta la probabilidad
de recuperación.
 ●​ Constante (β0): presenta un valor de -1.30 < 1, este valor negativo nos indica que,
cuando la variable es 0 (tratamiento estándar), es más probable no recuperarse que
recuperarse.
●​ Error estándar (ET): mide la precisión con la que se ha estimado el coeficiente, por
lo que cuanto menor sea el error, más precisas serán las estimaciones.
●​ P-valor (Sig.): en el caso del tratamiento (0.000 < 0.05) podemos decir que tiene un
efecto estadísticamente significativo sobre la recuperación. Y en el caso de la
constante (0.001 < 0.05) podemos decir que es significativamente distinta de 0.
●​ Exp(β1): la odds de recuperación en el grupo con tratamiento combinado es 6,60
veces mayor que en el grupo con tratamiento estándar. Es decir, el tratamiento
multiplica por 6,6 la odds de recuperarse.
●​ Exp(β0): en el grupo de tratamiento estándar, la odds de recuperación es 0,27. Como
es menor que 1, significa que es más probable no recuperarse. Entre los pacientes
que reciben el tratamiento estándar, la recuperación se da un (1 - 0,27) 73% menos
de lo que se da la no recuperación.

Una de las grandes ventajas de la regresión logística es que, una vez estimados los
coeficientes, podemos calcular la probabilidad de que ocurra el suceso de interés (en
nuestro caso, la recuperación) para cualquier valor de las variables predictoras.
●​ Probabilidad de recuperación cuando se emplea el tratamiento estándar (X=0):
1 1 1 1 1
𝑃(𝑌 = 1) = −(β0+β1𝑋) = −(−1.30+1.89*0) = 1.30 = 1+3.67 = 4.67 = 0. 21
1+𝑒 1+𝑒 1+𝑒
21% de probabilidad de recuperación en el grupo con tratamiento estándar.

●​ Probabilidad de recuperación cuando se emplea el tratamiento combinado (X=1):

1 1 1 1 1
𝑃(𝑌 = 1) = −(β0+β1𝑋) = −(−1.30+1.89*1) = −0.59 = 1+0.55 = 1.55 = 0. 645
1+𝑒 1+𝑒 1+𝑒
​ 64.5% de probabilidad de recuperación en el grupo con tratamiento combinado.

Las probabilidades que acabamos de calcular coinciden con los porcentajes observados en
la tabla de contingencia (Tabla 3.4). En modelos con más predictores o con variables
continuas, las probabilidades predichas no coincidirán exactamente con ningún porcentaje
observado, sino que serán estimaciones individualizadas para cada combinación de valores
de las predictoras.