REGRESIÓN LOGÍSTICA

1. REGRESIÓN LOGÍSTICA Alumna: Joana Rojas Gallardo

2. ¿QUÉ TIENEN EN COMÚN TODOS ESTOS PROBLEMAS? • ¿Es posible predecir con antelación si un cliente que solicita un préstamo a un banco va a ser un cliente moroso? • ¿Cuáles son los factores que influyen en el desarrollo de un infarto de miocardio? ¿Es posible predecir de antemano que un paciente corre un riesgo cierto de infarto? • ¿Se puede determinar la probabilidad de que una familia se suscriba a un paquete de canales de TV a partir del conocimiento de su nivel de ingresos, el nivel educativo de los padres, su ocupación, su edad, su estado marital y el número de hijos que tienen? • ¿Se puede predecir si una empresa va a entrar en bancarrota? • ¿Es posible localizar cuáles de los clientes de un banco suscribirían un nuevo plan de pensiones con mayor probabilidad para enviarles propaganda sobre el mismo y, de esta forma, ahorrarnos un montón de dinero sin tener que enviar dicha propaganda a todos los clientes? La respuesta es que todos ellos podrían solucionarse por medio de un análisis de regresión logística

3. LOGÍSTICA • Proceso de gerenciar estratégicamente el movimiento y almacenamiento de materias primas, partes y productos terminados, desde los proveedores, a través de la empresa, hasta el usuario final. • Conjunto de conocimientos, acciones y medios destinados a prever y proveer de recursos necesarios que posibiliten la realización de una actividad principal en el tiempo, forma y costo más oportuno en un marco de productividad y calidad. • Proceso de proyectar, implementar y controlar un flujo de materia prima, inventario en proceso, productos terminados e información relacionada desde el punto de origen hasta el punto de consumo de una forma eficiente y lo más económica posible con el propósito de cumplir con los requerimientos del cliente final.

4. ORIGENES DE LA LOGISTICA • La logística como actividad empresarial es antigua y fue conocida como distribución. Tiene sus orígenes en la actividad militar que desarrollo esta herramienta para abastecer alas tropas con recursos y pertrechos necesarios para afrontar las largas jornadas y los campamentos en situación de guerra. Al ámbito empresarial trascendió hace unas cuatro décadas y ha sido en éste donde ha encontrado su mayor campo de desarrollo.

5. PASOS PARA LLEVAR A CABO UN ANÁLISIS DE REGRESIÓN LOGÍSTICA • Plantear el problema a resolver determinando cuál es la variable dependiente y cuáles son las variables independientes • Estimar y seleccionar el modelo más compatible con los datos • Estudiar la bondad de ajuste del modelo seleccionado analizando la existencia de “outliers” y/o observaciones influyentes. • Evaluar la bondad predictiva del modelo utilizando métodos similares a los empleados en el Análisis Discriminante • Interpretar los resultados obtenidos

6. REGRESIÓN LOGÍSTICA • El análisis de regresión logística es la técnica para el estudio de la relación entre una o mas variables independientes (X1, X2,X3....Xn) y una variable dependiente de tipo dicotómica. • Se define como variable dicotómica aquella que solo admite dos categorías que definen opciones o características mutuamente excluyentes u opuestas tales como (Y=SI , Y=NO); (Y=0 , Y=1), (Y = encendido , Y = apagado). • Un modelo de regresión logística permite estimar o predecir la probabilidad de que un individuo posea una característica (Y= Registro , Y= Oferta) en función de una determinada o unas determinadas características individuales (X1= Precio Unitario, X2= Edad, X3= Area .....Xn). • La diferencia fundamental entre el modelo de regresión lineal y de regresión logística es que el primero predice el valor medio de la variable dependiente (Y) a partir de una o mas variables independientes (X1, X2, X3 ... Xn); mientras que el segundo permite predecir la proporción de una de las dos categorías de la variable dependiente dicotómica (Y= SI , Y= NO) en función de una o mas variables independientes (X1, X2, X3 ... Xn). • La probabilidad, por definición, solo puede incluir un valor comprendido entre 0 y 1; por lo tanto hay que desarrollar un modelo matemático que pueda estimar valores de P(Y=1) dentro del rango real de 0 a 1.

7. FUNCIÓN LOGISTICA

8. MODELO MATEMÁTICO • El modelo matemático que mejor estima tal probabilidad, debido a que restringe los valores a su rango 0 <  < 1, es el siguiente: Este modelo comúnmente presenta una forma de "S", limitada en el eje de las Ordenadas entre los valores 0 y 1

9. REGRESION LOGISTICA MÚLTIPLE • Toda la teoría vista hasta ahora (Regresión Logística Simple), aplicada a dos (2) variables, una independiente y la otra dependiente y dicotómica, es válida en el caso de la Regresión Logística Múltiple. • La Regresión Logística Múltiple podrá expresarse de la siguiente manera:  • Este modelo genera una Probabilidad (del 0 al 1) en base a múltiples variables independientes

10. BIBLIOGRAFÍA • Álvarez Caceres, R., Estadística multivariante y no paramétrica con SPSS, Madrid, Editorial Díaz Santos,1994. • Carrasco, J. L. y Hernan, M. A., Estadística multivariante en las ciencias de la vida, Madrid, Editorial Ciencia 3, 1993. • Jovell, A. J., Análisis de regresión logística, Madrid, Ediciones del Centro de Investigaciones Sociológicas, 1995 • HAIR, J., ANDERSON, R., TATHAM, R. y BLACK, W. (1999). Análisis Multivariante. 5ª Edición. Prentice Hall.