Investigación Clínica Análisis de Datos Regresión Regresión Lineal Análisis de regresión Investigación Clínica Investigación Médica Estadística Bioestadística Método Científico Metodología de la Investigación Regresión logistica Investigacion Biomedica

1. 18. Regresión Lineal
Investigación Clínica
ICB-UACJ

2. Regresión Lineal
 La RL permite predecir o disminuir
incertidumbres
 Es el estudio de la dependencia
 De como una respuesta o variable
depende de uno o más
predictores o variables
independientes
 2 aspectos básicos de la
RL
Que la variable tenga
distribución normal
Debe existir una relación
en la que el incremento
o disminución de una
variable sea
proporcional
Palacios-Cruz et al., Rev Med Inst Mex Seguro Soc. 2013;51(6):656-61

3. Regresión Lineal - condiciones
 Variable dependiente
debe ser continua
 Las variables
independientes pueden
ser continuas o
categóricas
 El intercepto
 El coeficiente de
regresión
 El coeficiente de
determinación (R2)
 El Intervalo de confianza
 El valor de “F” del análisis
de la varianza de
regresión
Palacios-Cruz et al., Rev Med Inst Mex Seguro Soc. 2013;51(6):656-61

4. Regresión Lineal
 Utiliza una variable dependiente
(desenlace o “y”) para predecir
 Utiliza una variable independiente
(maniobra o “x”)
 Utiliza un termino aleatorio
 El primer paso es determinar la
pendiente o inclinación de la línea
de regresión
 Coeficiente de regresión
(B1)
Positividad – relación
directa
Si B1 es (+) “y” aumenta
conforme “x” aumenta
Negatividad – relación
inversa
Si B1 es (-) “y” disminuye
conforme “x” aumenta
Si B1 = 0, no hay
cambios en “y” a partir
de “x”
Palacios-Cruz et al., Rev Med Inst Mex Seguro Soc. 2013;51(6):656-61

5. Palacios-Cruz et al., Rev Med Inst Mex Seguro Soc. 2013;51(6):656-61

6. Ejemplos de regresión en gráficos de dispersión
Schneider et al., Dtsch Arztebl Int 2010; 107(44): 776–82.

7. Regresión Lineal - Tipos
 RL Simple (RLS):
Se relacionan solo 2 variables
La variable dependiente
(resultado)es cuantitativa
La variable independiente
(predictora) puede ser
cuantitativa o cualitativa
 RL Múltiple (RLM):
Se utilizan 2 o más
variables (independientes)
para predecir una variable
dependiente cuantitativa
Las variables
independientes pueden
ser variables cuantitativas y
cualitativas
Palacios-Cruz et al., Rev Med Inst Mex Seguro Soc. 2013;51(6):656-61

8. Regresión Lineal Simple (RLS)
 Coeficiente de correlación de Pearson = r
 0 = independencia completa
 0.5 = moderada
 ±1 = correlación perfecta
 Ej., r = 0.886 = el ajuste de los datos al
modelo lineal es del 88.6%
 Coeficiente de determinación = R
 Expresa el % de casos que sirven para
predecir el resultado final
 Ej., R = 0.785 = el 78.5% de los casos, el
resultado 1 sirve para predecir el resultado 2
Schneider et al., Dtsch Arztebl Int 2010; 107(44): 776–82.

9. Regresión Lineal Simple (RLS)
 SPSS nos muestra un valor de
ANOVA
Si la sig. <0.5 = modelo lineal
adecuado
 SPSS también nos muestra el
valor de t de student y su p-
valor para la relación entre las
variables
P = <0.05 = hay correlación
P = >0.05 = no hay correlación
 Coeficiente de Regresión
Peso – talla = 1.16
Significa que por cada
centímetro de altura se
agregan en promedio 1.16
kg a cada individuo
Peso – Genero = 14.93
Significa que los hombres son
14.93 kg más pesados que
las mujeres
Schneider et al., Dtsch Arztebl Int 2010; 107(44): 776–82.

10. Regresión Lineal Múltiple (RLM)
 Este modelo permite medir el
efecto de variables múltiples sobre
la variable dependiente
 Permite un pronóstico individual en
base a las características
 Se pueden incluir variables
irrelevantes que distorsionan el
resultado
Schneider et al., Dtsch Arztebl Int 2010; 107(44): 776–82.

11. Conclusiones
 La predicción de la variable
dependiente a partir de una o más
variables independientes no significa
causalidad
 La causalidad solo debe
considerarse si se cumplen las
condiciones enunciadas por Austin
Bradford Hill
 Cuando uses RLM, de
manera general, el
numero de
observaciones deberá
ser mayor de 20-30 por
cada variable en estudio
Palacios-Cruz et al., Rev Med Inst Mex Seguro Soc. 2013;51(6):656-61