Se presenta cómo realizar la regresión múltiple y logística binaria en el SPSS y cómo interpretarlas.

1. Análisis multivariados
Aniel Jessica Leticia Brambila Tapia

2. Regresión múltiple
• Función: Asociar una serie (2 o más) de variables independientes (ya
sean cuantitativas, cualitativas dicotómicas o cualitativas ordinales)
con una variable dependiente de tipo cuantitativa o cualitativa
ordinal.
• Tipo de estudios: Transversales analíticos (cross-sectional) o para
estudios longitudinales analíticos.
• Número de individuos: 10 por cada variable independiente

3. Regresión múltiple
• Fórmula de la regresión múltiple:
y = a + b1x1 + b2x2 + b3x3…….bnxn
• Pendiente: coeficiente de regresión propio de esa variable, se
interpretará como el cambio de la variable dependiente “y” por cada
unidad de cambio en cada variable independiente (x1,x2,x2, etc..) a
igualdad de niveles de las otras variables independientes.
Variable dependiente constante
Pendiente de la variable 1
Variable 1

4. Regresión múltiple
• Ejemplo:
• Supongamos que la TAS de una muestra de adultos con alto riesgo
cardiovascular, se utiliza como variable dependiente “y” intentando
predecirla a partir de 3 variables independientes, X1, X2, X3, que
corresponden respectivamente a la edad en años (X1), el índice de masa
corporal (X2) y el sexo (X3), codificado como hombres = 0, mujeres = 1.
• Ecuación: y = 85 + 0.7X1 + 0.6X2 – 4.9X3
• Interpretación: por cada año más de edad, la TAS aumentará en 0.7 mmHg
por término medio, independientemente de cuál sea el sexo y el IMC;
igualmente las mujeres tendrían una TAS 4.9 mmHg inferior ajustada por la
edad y el IMC.

5. Regresión Múltiple en SPSS
• En SPSS Analizar Regresión Lineal
• Seleccionar la variable dependiente, las variables independientes
• Elegir el método escalonado
• En estadísticos: pedir cambio en R2 y descriptivos
• Dar clic en aceptar
• En el resultado fijarse en:
• 1.- El número de individuos incluidos (los individuos que tienen medidas todas las variables independientes
seleccionadas)
• 2.- El resumen del modelo y tomar los valores de: R y cambio en R2 del modelo con la R más alta.
• 3.- En los coeficientes y tomar los valores de: la constante (equivalente a la a de la ecuación), B (equivalente
a los valores b o pendientes de la ecuación), beta (coeficientes estandarizados, equivalentes al cambio en la
desviación estándar de la variable dependiente que se debe a la variabilidad de esa variable independiente)
y la significancia.
• 4.- Hacer la tabla de regresión múltiple, como se ve a continuación

6. Regresión múltiple: SPSS
• Ejemplo: Identificar las variables (independientes) más asociadas con la
discapacidad funcional (variable dependiente) en pacientes con AR, en un
estudio transversal analítico.
• R del modelo = 0.793, R2 = 0.629
Variable B Coeficiente Beta P Cambio en R2
Constante -0.630 - 0.077 -
DAS-28
(Actividad de la
enfermedad)
0.260 0.460 < 0.001 0.416
Dinero libre al
mes
-0.478 -0.401 <0.001 0.152
Dominio del
entorno
-0.186 -0.250 0.013 0.061

7. Regresión múltiple interpretación
• Para la interpretación hay que fijarse en los coeficientes beta y en el signo
de los mismos, la primer variable es la más asociada a la variable
dependiente y el singo del coeficiente beta determina el sentido de la
correlación, finalmente se incluye el valor de R del modelo.
• Interpretación: En el análisis de regresión múltiple, la variable más
asociada a la discapacidad funcional (HAQ) fue la actividad de la
enfermedad (DAS-28) (Beta = 0.460, p < 0.001), seguida del dinero libre al
mes (con una correlación negativa) (Beta = -0.401, p < 0.001) y el dominio
del entorno (Beta = -0.250, p= 0.013) (Tabla 1), con una R del modelo de
0.793.

8. Regresión logística binaria

9. Regresión logística binaria
• Función: Asociar 2 o más variables independientes (cualitativas
nominales dicotómicas o politómicas y cuantitativas) con una variable
dependiente cualitativa nominal dicotómica.
• La ecuación de la regresión logística es:
ln p = a + b1x1 + b2x2 + b3x3…….bnxn
1 + p
Odds u OR (B)
Constante
B Variable
independiente

10. Regresión logística binaria
Exp (B) = ln (B)
Se utiliza en estudios: transversales analíticos, longitudinales analíticos y
casos y controles, cuando se desea analizar ajustando por una serie de
variables independientes
OR (Odds) > 1 = la probabilidad de presentar la variable dependiente es mayor
cuando aumenta esta variable independiente.
OR (Odds) < 1 = la probabilidad de presentar la variable dependiente es menor
cuando aumenta esta variable independiente.

11. Regresión logística binaria/ejemplo
• Objetivo: Identificar las variables (independientes) más asociadas con
la presencia discapacidad funcional alta (variable dependiente) en
pacientes con AR, en un estudio transversal analítico.
Variable B P Cambio en R2 Exp (B) IC 95% para Exp
(B)
Constante 4.679 0.207 - - -
DAS-28
(Actividad de la
enfermedad)
1.889 0.002 0.424 6.556 1.962 – 21.906
Auto-
aceptación
-0.451 0.016 0.132 0.637 0.441 – 0.919
Dinero libre al
mes
-2.688 0.033 0.116 0.068 0.006 – 0.809
R del modelo = 0.819, R2 = 0.672

12. Regresión logística binaria /SPSS
• Analizar Regresión logística binaria
• Seleccionar la variable dependiente dicotómica
• Seleccionar variables independientes (cualitativas nominal dicotómica
u ordinales, politómicas y cuantitativas)
• Seleccionar método: cualquiera que sea “hacia adelante”
• Si hay variables cualitativas nominales dicotómicas, incluirlas en la
opción “categóricas”
• En “opciones” seleccionar “IC Exp (B)”
• Dar clic en aceptar

13. Regresión logística binaria /SPSS
• En resultados fijarse en:
• El resumen del modelo: R2 de Negelkerke: tomar el valor de R2 del
modelo con la R2 más alta
• Las variables en la ecuación: tomar los datos de “B”, sig, Exp (B), ic
95%: acomodar los datos en la tabla de acuerdo al valor de Wald (de
mayor a menor)
• Añadir los cambios en el valor de R2, a partir de los datos del resumen
del modelo: realizando la resta de cada modelo (introduce una
variable diferente) menos el anterior.