Todos los tutoriales de SPSS

Tutorial 37 de 44 Regresión

Regresión ordinal en SPSS: ajuste y líneas paralelas

Tu regresión ordinal salió con decenas de umbrales porque usaste el puntaje total. Aprende a correrla en SPSS con niveles y a leer líneas paralelas.

Cuándo se usa

La regresión ordinal se usa cuando la variable dependiente tiene pocas categorías ordenadas: nivel de satisfacción bajo, medio y alto; nivel de logro en inicio, en proceso y logrado; grado de riesgo leve, moderado y severo. Evalúa qué variables aumentan o reducen la probabilidad de ubicarse en un nivel más alto.

Es la opción cuando tu hipótesis plantea que una o más variables influyen en una variable medida en niveles. Las predictoras pueden ser categóricas o numéricas.

Dos límites:

  • Si la dependiente es un puntaje continuo, corresponde una regresión lineal.
  • Si tiene solo dos categorías, corresponde la regresión logística binaria.

Antes de empezar (qué necesita tu base)

  • La dependiente en niveles, con medida Ordinal y etiquetas de valor. No el puntaje total.
  • El número de casos en cada nivel. Un nivel con muy pocos casos vuelve inestable el modelo.
  • Las predictoras clasificadas: las categóricas irán como factores y las numéricas como covariables.
  • El baremo con el que se formaron los niveles, justificado en el método.

El ejemplo es una tesis en un centro de salud de Puno, con 180 usuarios. La dependiente es el nivel de satisfacción (bajo, medio, alto). Las predictoras son el tiempo de espera en minutos y el tipo de seguro.

Paso a paso en SPSS

  1. En Vista de variables verifica que la dependiente, Nivel, tenga medida Ordinal y sus etiquetas.
  2. Revisa cuántos casos hay en cada nivel con Analizar > Estadísticos descriptivos > Frecuencias.
  3. Ve a Analizar > Regresión > Ordinal.
  4. Pasa Nivel a Dependiente.
  5. Pasa la predictora categórica, Seguro, a Factores.
  6. Pasa la predictora numérica, Tiempo, a Covariables.
  7. Haz clic en el botón Resultados.
  8. Marca Estadísticos de ajuste, Resumen, Estimaciones de los parámetros y Prueba de líneas paralelas. Pulsa Continuar.
  9. Pulsa Aceptar.
  10. Lee, en este orden: Información de ajuste de los modelos, Pseudo R cuadrado, Prueba de líneas paralelas y Estimaciones de parámetro.

Cómo leer el resultado

Información de ajuste de los modelos. Compara el modelo con predictoras contra el modelo sin ellas. Si la Sig. del chi cuadrado es menor que 0,05, las predictoras mejoran el modelo.

Pseudo R cuadrado. Se reporta el de Nagelkerke, como aproximación de cuánto explica el modelo.

Prueba de líneas paralelas. Evalúa el supuesto central: que el efecto de cada predictora es el mismo en todos los cortes entre niveles. Aquí se busca una Sig. mayor que 0,05. Si es menor, el supuesto no se cumple y corresponde otro modelo, como la regresión multinomial.

Estimaciones de parámetro. Tiene dos bloques:

  • Umbral: los cortes entre niveles. No se interpretan.
  • Ubicación: las predictoras. Se leen la estimación, el Wald y la Sig. Una estimación positiva indica mayor probabilidad de un nivel más alto; una negativa, menor.

En las predictoras categóricas, SPSS toma la última categoría como referencia: aparece con estimación 0 y la nota de parámetro redundante. Las demás categorías se comparan contra ella.

En el ejemplo: ajuste con chi cuadrado de 23,420, gl de 2 y p < 0,001; Nagelkerke de 0,138; líneas paralelas con chi cuadrado de 0,312 y Sig. de 0,856, supuesto cumplido.

El tiempo de espera tiene una estimación de -0,026, Wald de 15,141 y p < 0,001: a más minutos de espera, menor satisfacción. En el tipo de seguro, la referencia es particular; el SIS tiene una estimación de -0,817 con Sig. de 0,010: los usuarios del SIS tienden a estar menos satisfechos que los particulares.

El tutorial muestra el error de origen. Con el puntaje total como dependiente, SPSS entrega una advertencia de casillas con frecuencia cero y una tabla con 45 umbrales, uno por cada puntaje distinto. Un puntaje que va de 12 a 60 no es una variable ordinal de pocas categorías.

Cómo redactarlo en tu tesis

Un párrafo modelo en formato APA 7:

Se realizó una regresión logística ordinal para evaluar si el tiempo de espera y el tipo de seguro predicen el nivel de satisfacción. El modelo fue estadísticamente significativo, χ²(2) = 23,42, p < 0,001, con un pseudo R² de Nagelkerke de 0,138. Se cumplió el supuesto de líneas paralelas, χ² = 0,31, p = 0,856. El tiempo de espera se asoció de forma negativa con la satisfacción (estimación = -0,026, Wald = 15,14, p < 0,001), y los usuarios afiliados al SIS presentaron menor satisfacción que los usuarios particulares (estimación = -0,817, p = 0,010). Se rechaza la hipótesis nula.

La tabla lleva, por predictora, la estimación, el error estándar, el Wald, los grados de libertad, p y el intervalo de confianza. En la nota se indica la categoría de referencia.

Errores frecuentes

Usar el puntaje total como dependiente. Produce una tabla con decenas de umbrales y advertencias de casillas vacías. Si se pega así, el asesor la devuelve.

Correr una regresión lineal con los códigos de bajo, medio y alto. La distancia entre bajo y medio no es un número, y el modelo queda mal planteado.

Correr la ordinal sin revisar cuántos casos tiene cada nivel. Cuando el baremo deja un nivel con muy pocos casos, el modelo se vuelve inestable y sus resultados no se pueden defender.

No pedir la prueba de líneas paralelas. Sin ella no se puede sostener que el modelo es válido para esos datos.

Interpretar los umbrales como si fueran efectos. Solo marcan los cortes entre niveles.

En MiTítulo, antes de una regresión ordinal revisamos tres cosas en tu base: que la dependiente tenga pocas categorías ordenadas, que cada categoría tenga suficientes casos y que se cumpla el supuesto de líneas paralelas.

Preguntas frecuentes

¿Por qué una categoría del seguro sale con cero?

Es la categoría de referencia. Las demás se comparan contra ella, y por eso su parámetro figura como redundante.

¿Tengo que interpretar los umbrales?

No. Solo marcan los cortes entre bajo, medio y alto. Lo que se interpreta son las estimaciones de las predictoras.

¿Sirve la ordinal si mi dependiente tiene solo dos categorías?

No. Con dos categorías corresponde otro modelo, y tu asesor lo nota de inmediato.

La prueba correcta con la variable equivocada no se sostiene. Escríbenos al WhatsApp y revisamos tu caso sin costo.

Escríbenos al WhatsApp
Diagnóstico sin costo