analisis avanzado de datos


Universidad Diego Portales
Facultad de Ciencias Sociales e Historia
Escuela de Sociología




Tarea N°5: Análisis Avanzado de Datos, Regresión Logística







Matías Carrión Fiegehen
Profesora: Berta Teitelboim
Ayudante: Tamara Novoa
Santiago, Chile. 28 de Octubre de 2012

Este análisis estadístico se realizo a partir de la realización de la Encuesta UDP 2012. Se medirápor medio de un análisis de regresión logística
Modelo de regresión logística
Con el objetivo de realizar un modelo de regresión logística, fue necesario recodificar la variable dependiente en dos categorías de respuesta; de acuerdo y en desacuerdo. La pregunta p20_2 recodificada, busca determinar los factores que influyen significativamente en la afirmación de que “la homosexualidad es unaopción sexual tan valida como cualquier otra.”

p50_2rec

Frecuencia
Porcentaje
Porcentaje válido
Porcentaje acumulado
Válidos
de acuerdo
767
59,2
62,5
62,5

en desacuerdo
461
35,6
37,5
100,0

Total
1228
94,8
100,0

Perdidos
Sistema
67
5,2


Total
1295
100,0



A partir de una tabla de frecuencias de la variable dependiente recodificada, es posible evidenciar queun total de 1295 encuestados, el 59,2% considera que la homosexualidad es una opción sexual tan valida como cualquier otra. Mientras 461 personas encuestadas por la Encuesta UDP 2012, contestaron que están en desacuerdo con esta afirmación con un 35,6% del total de la muestra. Es necesario considerar que un porcentaje de 36% no es un porcentaje tan bajo, evidenciando aun un alto índice dehomofobia en la sociedad chilena.

Como señalábamos en el capitulo introductorio se realizara un modelo de regresión logística con el objetivo de evidenciar que factores influyen en la afirmación acerca de que la homosexualidad es una opción sexual valida. En este modelo utilizaremos las variables independientes; sexo, la edad del encuestado, RM. Si es que vive en región o en Santiago, el GSE, lareligión (recodificada en 1. Católica, 2. Otra religión y 3. Ninguna religión), y la posición política con la que se identifica o simpatiza más el encuestado (recodificado en 1. Derecha, 2. Centro, 3. Izquierda, 4. Ninguna-No sabe/No contesta).
Para recodificar estas dos variables fue necesario revisar la siguiente tabla de codificaciones de variables categóricas. Es necesario señalar que la variableindependiente edad se considera como categórica (variable cualitativa) porque se presenta en tramos de edad.




Al analizar esta tabla de variables categoricas, es posible observar que la variable de referencia ( y que adquirira el valor 1 en el modelo) en el caso de la posicion politica recodificada, sera la respuesta ninguna, ya que, esta tiene los valores ,000 en la codificacion de losparametros. En el caso de la edad, la variable de referencia seria el tramo de edad 61 y mas. En el nivel socioeconomico la referencia seria medio alto, por sus valores ,000. En el caso de la variable ligada a la religion esta sera ninguna. En el sexo la variable de referencia a utilizar sera la mujer y en la variable ligada a si es que vive en la Region Metropolitana o en regiones, la categoriade referencia sera la respuesta si.






Búsqueda del mejor modelo



En el caso de la tabla del resumen del mejor modelo, el estadístico -2 log de la verosimilitud nos es de 1537,476 este nos representa que el modelo no se ajusta muy bien, ya que, mientras es más pequeño el valor de este estadístico el modelo se ajusta de mejor manera.
En el caso del R cuadrado de Nagelkerke, estenos da cuenta de la capacidad explicativa que las variables independientes tienen acerca de la variable dependiente. Este tiene el valor de 0,094 por lo que el modelo no seria un modelo que explica de muy buena forma la variable dependiente ya que está lejano a 1, y se encuentra muy cercano al 0 que pronosticaría un muy mal modelo de regresión logística.

Tabla de clasificacióna

Observado...