Métodos de selección de variables en el análisis de regresión logística

La selección del método permite especificar cómo se introducen las variables independientes en el análisis. Utilizando distintos métodos se pueden construir diversos modelos de regresión a partir del mismo conjunto de variables.

• Intro. Procedimiento para la selección de variables en el que todas las variables de un bloque se introducen en un solo paso.
• Selección hacia delante (condicional). Método de selección por pasos que contrasta la entrada basándose en la significación del estadístico de puntuación y contrasta la eliminación basándose en la probabilidad de un estadístico de la razón de verosimilitud que se basa en estimaciones condicionales de los parámetros.
• Selección hacia delante (razón de verosimilitud). Método de selección por pasos hacia delante que contrasta la entrada basándose en la significación del estadístico de puntuación y contrasta la eliminación basándose en la probabilidad del estadístico de la razón de verosimilitud, que se basa en estimaciones de la máxima verosimilitud parcial.
• Selección hacia delante (Wald). Método de selección por pasos hacia delante que contrasta la entrada basándose en la significación del estadístico de puntuación y contrasta la eliminación basándose en la probabilidad del estadístico de Wald.
• Eliminación hacia atrás (condicional). Selección por pasos sucesivos hacia atrás El contraste para la eliminación se basa en la probabilidad del estadístico de la razón de verosimilitud, el cuál se basa a su vez en las estimaciones condicionales de los parámetros.
• Eliminación hacia atrás (razón de verosimilitud). Selección por pasos sucesivos hacia atrás El contraste para la eliminación se fundamenta en la probabilidad del estadístico de la razón de verosimilitud, el cual se fundamenta en estimaciones de máxima verosimilitud parcial.
• Eliminación hacia atrás (Wald). Selección por pasos sucesivos hacia atrás El contraste para la eliminación se basa en la probabilidad del estadístico de Wald.

Los valores de significación de los resultados se basan en el ajuste de un único modelo. Por ello, estos valores de significación no suele ser válidos cuando se emplea un método por pasos.

Todas las variables independientes seleccionadas se añaden a un mismo modelo de regresión. Sin embargo, puede especificar distintos métodos de introducción para diferentes subconjuntos de variables. Por ejemplo, puede introducir en el modelo de regresión un bloque de variables que utilice la selección por pasos sucesivos, y un segundo bloque que emplee la selección hacia adelante. Para añadir un segundo bloque de variables al modelo de regresión, pulse en Siguiente.