Generalised Linear Models
Isaac Oviedo
2024-10-16
Modelo binomial con función de enlace probit aplicado al nivel alto de Burnout en el puntaje dado las covariables formación, y afectación laboral del Covid.
##
## Call:
## glm(formula = Puntaje ~ formación + fin_demes + afec_covid_lab,
## family = binomial(link = "probit"), data = Model_1)
##
## Coefficients:
## Estimate
## (Intercept) 0.2392
## formaciónEspecialista -1.6111
## formaciónMagister 1.7645
## fin_demesCon cierta facilidad -1.7238
## fin_demesCon facilidad -0.1730
## fin_demesCon mucha facilidad -6.2642
## afec_covid_labHe sido contratado/a -7.2822
## afec_covid_labHe sido despedido(a) 3.7463
## afec_covid_labHe sufrido una reducción de sueldo/horas de trabajo o un ERTE -1.1966
## afec_covid_labNo me ha afectado en nada -2.4804
## Std. Error
## (Intercept) 0.6193
## formaciónEspecialista 974.0403
## formaciónMagister 0.6804
## fin_demesCon cierta facilidad 0.8026
## fin_demesCon facilidad 0.6414
## fin_demesCon mucha facilidad 709.4152
## afec_covid_labHe sido contratado/a 699.1670
## afec_covid_labHe sido despedido(a) 1109.1060
## afec_covid_labHe sufrido una reducción de sueldo/horas de trabajo o un ERTE 0.8502
## afec_covid_labNo me ha afectado en nada 0.8247
## z value
## (Intercept) 0.386
## formaciónEspecialista -0.002
## formaciónMagister 2.593
## fin_demesCon cierta facilidad -2.148
## fin_demesCon facilidad -0.270
## fin_demesCon mucha facilidad -0.009
## afec_covid_labHe sido contratado/a -0.010
## afec_covid_labHe sido despedido(a) 0.003
## afec_covid_labHe sufrido una reducción de sueldo/horas de trabajo o un ERTE -1.407
## afec_covid_labNo me ha afectado en nada -3.007
## Pr(>|z|)
## (Intercept) 0.69935
## formaciónEspecialista 0.99868
## formaciónMagister 0.00951
## fin_demesCon cierta facilidad 0.03173
## fin_demesCon facilidad 0.78734
## fin_demesCon mucha facilidad 0.99295
## afec_covid_labHe sido contratado/a 0.99169
## afec_covid_labHe sido despedido(a) 0.99730
## afec_covid_labHe sufrido una reducción de sueldo/horas de trabajo o un ERTE 0.15930
## afec_covid_labNo me ha afectado en nada 0.00263
##
## (Intercept)
## formaciónEspecialista
## formaciónMagister **
## fin_demesCon cierta facilidad *
## fin_demesCon facilidad
## fin_demesCon mucha facilidad
## afec_covid_labHe sido contratado/a
## afec_covid_labHe sido despedido(a)
## afec_covid_labHe sufrido una reducción de sueldo/horas de trabajo o un ERTE
## afec_covid_labNo me ha afectado en nada **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 67.35 on 50 degrees of freedom
## Residual deviance: 34.68 on 41 degrees of freedom
## AIC: 54.68
##
## Number of Fisher Scoring iterations: 17AIC (Criterio de Información de Akaike). Esto es el equivalente al R² en la regresión logística. Mide el ajuste cuando se aplica una penalización al número de parámetros. Valores más pequeños de AIC indican que el modelo está más cerca de la verdad.
## [1] 54.68Deviance nula: Ajusta el modelo solo con el intercepto. El grado de libertad es n-1. Podemos interpretarlo como un valor de Chi-cuadrado (prueba de hipótesis de que el valor ajustado es diferente del valor real).
## [1] 67.35044Deviance residual: Modelo con todas las variables. También se interpreta como una prueba de hipótesis de Chi-cuadrado.
## [1] 34.68Número de iteraciones de Fisher Scoring: Número de iteraciones antes de converger.
## Tolerance Limit: 1e-08
## Maximum number of iterations: 25
##
## Iteration Deviance Tolerance (Intercept) formaciónEspecialista
## 1 40.001 NA 0.25886 0.71863
## 2 36.084 9.7669e-02 0.28393 1.30621
## 3 34.999 2.9979e-02 0.27086 1.60844
## 4 34.774 6.4280e-03 0.24857 1.49209
## 5 34.712 1.7677e-03 0.24044 1.18314
## 6 34.691 6.0014e-04 0.23934 0.86426
## 7 34.684 2.0864e-04 0.23919 0.56870
## 8 34.681 7.3214e-05 0.23918 0.29507
## 9 34.680 2.5878e-05 0.23917 0.03945
## 10 34.680 9.1967e-06 0.23917 -0.20124
## 11 34.680 3.2819e-06 0.23917 -0.42932
## 12 34.680 1.1749e-06 0.23917 -0.64658
## 13 34.680 4.2175e-07 0.23917 -0.85440
## 14 34.680 1.5171e-07 0.23917 -1.05392
## 15 34.680 5.4675e-08 0.23917 -1.24605
## 16 34.680 1.9734e-08 0.23917 -1.43155
## 17 34.680 7.1323e-09 0.23917 -1.61105
## formaciónMagister fin_demesCon cierta facilidad fin_demesCon facilidad
## 0.87854 -0.97828 -0.24014
## 1.32547 -1.39435 -0.24686
## 1.62372 -1.63928 -0.20893
## 1.73994 -1.71397 -0.18036
## 1.76176 -1.72286 -0.17380
## 1.76420 -1.72375 -0.17314
## 1.76444 -1.72380 -0.17304
## 1.76447 -1.72382 -0.17303
## 1.76447 -1.72382 -0.17303
## 1.76448 -1.72382 -0.17303
## 1.76448 -1.72382 -0.17303
## 1.76448 -1.72382 -0.17303
## 1.76448 -1.72382 -0.17303
## 1.76448 -1.72382 -0.17303
## 1.76448 -1.72382 -0.17303
## 1.76448 -1.72382 -0.17303
## 1.76448 -1.72382 -0.17303
## fin_demesCon mucha facilidad afec_covid_labHe sido contratado/a
## -1.1203 -1.5735
## -1.8776 -2.5036
## -2.4895 -3.3479
## -2.9513 -3.9376
## -3.3455 -4.3568
## -3.6943 -4.7088
## -4.0088 -5.0239
## -4.2969 -5.3124
## -4.5641 -5.5801
## -4.8145 -5.8308
## -5.0507 -6.0674
## -5.2750 -6.2920
## -5.4890 -6.5062
## -5.6939 -6.7114
## -5.8909 -6.9086
## -6.0807 -7.0986
## -6.2642 -7.2822
## afec_covid_labHe sido despedido(a)
## 0.32381
## 0.37653
## 0.51495
## 0.78591
## 1.09751
## 1.39238
## 1.66601
## 1.92163
## 2.16234
## 2.39044
## 2.60771
## 2.81554
## 3.01507
## 3.20721
## 3.39272
## 3.57223
## 3.74628
## afec_covid_labHe sufrido una reducción de sueldo/horas de trabajo o un ERTE
## -0.61757
## -0.92459
## -1.11750
## -1.18538
## -1.19524
## -1.19650
## -1.19658
## -1.19660
## -1.19660
## -1.19660
## -1.19660
## -1.19660
## -1.19660
## -1.19660
## -1.19660
## -1.19660
## -1.19660
## afec_covid_labNo me ha afectado en nada
## -1.3894
## -1.9560
## -2.3266
## -2.4570
## -2.4781
## -2.4802
## -2.4804
## -2.4804
## -2.4804
## -2.4804
## -2.4804
## -2.4804
## -2.4804
## -2.4804
## -2.4804
## -2.4804
## -2.4804El ANOVA muestra cómo el modelo completo (con todos los predictores) está funcionando en comparación con el modelo nulo (solo con el intercepto). La gran diferencia en la deviance nula y residual indica que el modelo residual está funcionando mejor y los valores p de todos los predictores son estadísticamente significativos.
## Analysis of Deviance Table
##
## Model: binomial, link: probit
##
## Response: Puntaje
##
## Terms added sequentially (first to last)
##
##
## Df Deviance Resid. Df Resid. Dev Pr(>Chi)
## NULL 50 67.350
## formación 2 8.2268 48 59.124 0.016352 *
## fin_demes 3 6.2948 45 52.829 0.098116 .
## afec_covid_lab 4 18.1488 41 34.680 0.001154 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1##
## Wald test
##
## Model 1 : Puntaje ~ 1
## Model 2 : Puntaje ~ formación
## Model 3 : Puntaje ~ formación + fin_demes
## Model 4 : Puntaje ~ formación + fin_demes + afec_covid_lab
##
## Chi df Pr(Chisq>)
## 1 vs 2 5.9920 2 0.04999 *
## 2 vs 3 4.1146 3 0.24936
## 3 vs 4 9.2634 4 0.05484 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Distancia de Cook
## 1 2 3 4 5 6
## 4.552558e-02 5.286282e-03 1.857827e-02 3.936967e-04 5.286282e-03 5.286282e-03
## 7 8 9 10 11 12
## 1.021337e-03 2.320980e-02 5.286282e-03 9.958019e-03 3.395646e-09 6.139239e-02
## 13 14 15 16 17 18
## 3.395646e-09 7.159028e-27 7.416339e-03 1.546637e-01 6.139239e-02 7.416339e-03
## 19 20 21 22 23 24
## 3.936967e-04 9.194191e-05 1.021337e-03 2.925115e-01 2.817264e-02 1.368053e-17
## 25 26 27 28 29 30
## 9.637293e-05 2.817264e-02 3.936967e-04 1.857827e-02 1.412469e+10 2.699669e-04
## 31 32 33 34 35 36
## 2.866602e-02 1.021337e-03 2.866602e-02 3.604852e-05 7.497559e-02 3.395646e-09
## 37 38 39 40 41 42
## 2.320980e-02 2.002970e-02 2.410144e-27 2.111861e-01 2.002970e-02 7.416339e-03
## 43 44 45 46 47 48
## 6.709037e-27 1.021337e-03 2.771488e+10 8.927855e-10 9.194191e-05 4.552558e-02
## 49 50 51
## 1.021337e-03 8.927855e-10 9.194191e-05Ahora validemos los supuestos del modelo:
1.Los errores se distribuyen normalmente
##
## Call:
## glm(formula = Puntaje ~ formación + fin_demes + afec_covid_lab,
## family = binomial(link = "probit"), data = Model_1)
##
## Coefficients:
## Estimate
## (Intercept) 0.2392
## formaciónEspecialista -1.6111
## formaciónMagister 1.7645
## fin_demesCon cierta facilidad -1.7238
## fin_demesCon facilidad -0.1730
## fin_demesCon mucha facilidad -6.2642
## afec_covid_labHe sido contratado/a -7.2822
## afec_covid_labHe sido despedido(a) 3.7463
## afec_covid_labHe sufrido una reducción de sueldo/horas de trabajo o un ERTE -1.1966
## afec_covid_labNo me ha afectado en nada -2.4804
## Std. Error
## (Intercept) 0.6193
## formaciónEspecialista 974.0403
## formaciónMagister 0.6804
## fin_demesCon cierta facilidad 0.8026
## fin_demesCon facilidad 0.6414
## fin_demesCon mucha facilidad 709.4152
## afec_covid_labHe sido contratado/a 699.1670
## afec_covid_labHe sido despedido(a) 1109.1060
## afec_covid_labHe sufrido una reducción de sueldo/horas de trabajo o un ERTE 0.8502
## afec_covid_labNo me ha afectado en nada 0.8247
## z value
## (Intercept) 0.386
## formaciónEspecialista -0.002
## formaciónMagister 2.593
## fin_demesCon cierta facilidad -2.148
## fin_demesCon facilidad -0.270
## fin_demesCon mucha facilidad -0.009
## afec_covid_labHe sido contratado/a -0.010
## afec_covid_labHe sido despedido(a) 0.003
## afec_covid_labHe sufrido una reducción de sueldo/horas de trabajo o un ERTE -1.407
## afec_covid_labNo me ha afectado en nada -3.007
## Pr(>|z|)
## (Intercept) 0.69935
## formaciónEspecialista 0.99868
## formaciónMagister 0.00951
## fin_demesCon cierta facilidad 0.03173
## fin_demesCon facilidad 0.78734
## fin_demesCon mucha facilidad 0.99295
## afec_covid_labHe sido contratado/a 0.99169
## afec_covid_labHe sido despedido(a) 0.99730
## afec_covid_labHe sufrido una reducción de sueldo/horas de trabajo o un ERTE 0.15930
## afec_covid_labNo me ha afectado en nada 0.00263
##
## (Intercept)
## formaciónEspecialista
## formaciónMagister **
## fin_demesCon cierta facilidad *
## fin_demesCon facilidad
## fin_demesCon mucha facilidad
## afec_covid_labHe sido contratado/a
## afec_covid_labHe sido despedido(a)
## afec_covid_labHe sufrido una reducción de sueldo/horas de trabajo o un ERTE
## afec_covid_labNo me ha afectado en nada **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 67.35 on 50 degrees of freedom
## Residual deviance: 34.68 on 41 degrees of freedom
## AIC: 54.68
##
## Number of Fisher Scoring iterations: 17##
## Shapiro-Wilk normality test
##
## data: fit2$residuals
## W = 0.96501, p-value = 0.13642.Homoscedasticidad de los errores
##
## studentized Breusch-Pagan test
##
## data: fit2
## BP = 15.556, df = 9, p-value = 0.07676- Gráficas de los errores
