Análisis probit
Este procedimiento mide la relación entre la intensidad de un estímulo y la proporción de casos que presentan una cierta respuesta a dicho estímulo. Es útil para las situaciones en las que se dispone de una respuesta dicotómica que se piensa puede estar influenciada o causada por los niveles de alguna o algunas variables independientes, y es particularmente adecuada para datos experimentales. Este procedimiento le permitirá estimar la intensidad necesaria para que un estímulo llegue a inducir una determinada proporción de respuestas, como la dosis efectiva para la mediana.
Ejemplo. ¿Qué efectividad tiene un nuevo pesticida para matar hormigas y cuál es la concentración adecuada que se debe utilizar? Podría llevar a cabo un experimento en el que se expongan muestras de hormigas a diferentes concentraciones del pesticida y después registrar el número de hormigas muertas y el número de hormigas expuestas. Aplicando el análisis probit a estos datos puede determinar la fuerza de la relación entre concentración y mortalidad, así como determinar la concentración adecuada de pesticida si desea asegurar la exterminación de, por ejemplo, el 95% de las hormigas expuestas.
Estadísticos. Coeficientes de regresión y errores estándar, intersección y su error estándar, chi-cuadrado de Pearson de la bondad de ajuste, frecuencias observadas y esperadas e intervalos de confianza para los niveles efectivos de la variable o variables independientes. Plots: gráficos de respuestas transformadas.
Análisis probit: Consideraciones sobre los datos
Datos. Para cada valor de la variable independiente (o para cada combinación de valores para múltiples variables independientes), la variable de respuesta debe contener el recuento del número de casos que presenta la respuesta de interés y que toma dichos valores de la variable independiente, y la variable del total observado debe ser el recuento del número total de casos con dichos valores para la variable independiente. La variable de factor debe ser categórica, codificada como enteros.
Supuestos. Las observaciones deben ser independientes. Si dispone de un gran número de valores para las variables independientes respecto al número de observaciones, como es probable que suceda en un estudio observacional, puede que no sean válidos los estadísticos de chi-cuadrado y de bondad de ajuste.
Procedimientos relacionados. El análisis probit está estrechamente relacionado con la regresión logística; de hecho, si elige la transformación logit, este procedimiento calculará esencialmente una regresión logística. En general, el análisis probit es apropiado para los diseños experimentales, mientras que la regresión logística es más adecuada para los estudios observacionales. Las diferencias en los resultados reflejan estas diferencias de énfasis. El procedimiento Análisis probit informa de las estimaciones de los valores efectivos para las diferentes tasas de respuesta (incluyendo la dosis efectiva para la mediana), mientras que la Regresión logística informa de las estimaciones de las razones de las ventajas (odds ratios) para las variables independientes.
Para obtener un análisis probit
Esta característica requiere SPSS Statistics Standard Edition o la opción Regresión.
- Seleccione en los menús:
- Seleccione una variable para la frecuencia de respuesta. Esta variable indica el número de casos que presentan una respuesta al estímulo de prueba. Los valores de esta variable no pueden ser negativos.
- Seleccione una variable para el total observado. Esta variable indica el número de casos a los que se aplicó el estímulo. Para cada caso, los valores de esta variable no pueden ser negativos ni menores que los valores de la variable de frecuencia de respuesta.
Si se desea, puede seleccionarse una variable de factor. Si lo hace, pulse en Definir rango para definir los grupos.
- Seleccione una o varias covariables. La covariable contiene el nivel del estímulo aplicado en cada observación. Si desea transformar la covariable, seleccione una transformación de la lista desplegable Transformar. Si no se aplica ninguna transformación y hay un grupo de control, éste se incluirá en el análisis.
- Seleccione el modelo Probit o Logit.
- Modelo Probit. Aplica la transformación Probit (la inversa de la función acumulada de la distribución normal estándar) a las proporciones de respuesta.
- Modelo Logit. Aplica la transformación logit (log de la probabilidad) a las proporciones de respuesta.
Este procedimiento pega la sintaxis del comando PROBIT.