Cómo realizar una regresión logística en Google Sheets


La regresión logística es un método que podemos usar para ajustar un modelo de regresión cuando la variable de respuesta es binaria.

El siguiente ejemplo paso a paso muestra cómo realizar una regresión logística en Hojas de cálculo de Google.

Contenidos
  1. Paso 1: instale el paquete de herramientas de análisis XLMiner
  2. Paso 2: Ingrese los datos
  3. Paso 3: realizar una regresión logística

Paso 1: instale el paquete de herramientas de análisis XLMiner

Para realizar una regresión logística en Hojas de cálculo de Google, primero debemos instalar el paquete gratuito de herramientas de análisis XLMiner .

Para hacerlo, haga clic en Complementos Obtener complementos :

A continuación, escriba XLMiner Analysis ToolPak en la barra de búsqueda y haga clic en el icono que aparece:

Instale el paquete de herramientas de análisis XLMiner en Hojas de cálculo de Google

Por último, haga clic en el botón azul Instalar .

Paquete de herramientas de análisis XLMiner en Hojas de cálculo de Google

Paso 2: Ingrese los datos

A continuación, ingresaremos los siguientes datos en Hojas de cálculo de Google:

Ajustaremos un modelo de regresión logística que usa puntos y asistencias para predecir si un jugador de baloncesto es seleccionado para la NBA (0 = No, 1 = Sí).

Paso 3: realizar una regresión logística

Para ajustar el modelo de regresión logística, haga clic en la pestaña Extensiones , luego haga clic en XL Miner Analysis ToolPak , luego haga clic en Start :

En el panel que aparece en el lado derecho de la pantalla, haga clic en la flecha desplegable junto a Regresión logística y escriba la siguiente información:

regresión logística en Google Sheets

Una vez que haga clic en Aceptar , se mostrará el resumen del modelo de regresión logística:

salida de regresión logística en Google Sheets

Los coeficientes en la salida indican el cambio promedio en las probabilidades logarítmicas de ser seleccionado.

Por ejemplo, un aumento de una unidad en los puntos se asocia con un aumento promedio de 0,212 en las probabilidades logarítmicas de ser seleccionado en el draft.

El signo de los coeficientes nos indica si existe una asociación positiva o negativa entre cada variable predictora y la variable respuesta.

Por ejemplo, dado que los puntos tienen un signo positivo para el coeficiente, significa que aumentar el valor de los puntos aumenta las posibilidades de que un jugador sea seleccionado (suponiendo que las asistencias se mantengan constantes).

Por el contrario, dado que las asistencias tienen un signo negativo para el coeficiente, significa que aumentar el valor de las asistencias disminuye las posibilidades de que un jugador sea seleccionado (suponiendo que los puntos se mantengan constantes).

Los valores p en la salida también nos dan una idea de qué tan efectiva es cada variable predictora para predecir la probabilidad de ser seleccionado:

  • Valor p para puntos: 0.02
  • Valor p para asistencias: 0,35

Podemos ver que los puntos parecen ser una variable predictora estadísticamente significativa ya que tiene un valor de p inferior a .05, pero las asistencias no parecen ser estadísticamente significativas ya que no tiene un valor de p inferior a .05.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Subir

Utilizamos cookies para asegurar que damos la mejor experiencia al usuario en nuestra web. Si sigues utilizando este sitio asumiremos que estás de acuerdo.