Informes regresión generalizada múltiple
Carlos Alberto León Gil
9/27/2022
## # A tibble: 5 × 24
## Rotación Edad `Viaje de Negocios` Departamento Distancia_Casa Educación
## <chr> <dbl> <chr> <chr> <dbl> <dbl>
## 1 Si 41 Raramente Ventas 1 2
## 2 No 49 Frecuentemente IyD 8 1
## 3 Si 37 Raramente IyD 2 2
## 4 No 33 Frecuentemente IyD 3 4
## 5 No 27 Raramente IyD 2 1
## # … with 18 more variables: Campo_Educación <chr>,
## # Satisfacción_Ambiental <dbl>, Genero <chr>, Cargo <chr>,
## # Satisfación_Laboral <dbl>, Estado_Civil <chr>, Ingreso_Mensual <dbl>,
## # Trabajos_Anteriores <dbl>, Horas_Extra <chr>,
## # Porcentaje_aumento_salarial <dbl>, Rendimiento_Laboral <dbl>,
## # Años_Experiencia <dbl>, Capacitaciones <dbl>,
## # Equilibrio_Trabajo_Vida <dbl>, Antigüedad <dbl>, Antigüedad_Cargo <dbl>, …Informe 1
Punto 1
Seleccionar 3 variables categóricas (distintas de rotación) y 3 variables cuantitativas, que consideren estén relacionadas con la rotación. Nota: Justificar por que estas variables están relacionadas y que tipo de relación se espera (Hipótesis). Ejemplo: Se espera que las horas extra se relacionen con la rotación ya que las personas podrían desgastarse mas al trabajar horas extra y descuidan aspectos personales. La hipótesis es que las personas que trabajan horas extra tienen mayor posibilidad de rotar que las que no trabajan extra. (serian 6, una por variable).
| Variable categórica | Relación | Hipótesis |
|---|---|---|
| Viaje de Negocios | Los viajes por motivos de trabajo afectan la vida personal de los profesionales, por lo cual, podría desencadenar la rotación laboral por la deserción que podría conllevar ese estilo de vida al afectar su vida a nivel de salud y manejo de tiempo personal. | Las personas que deben realizar viajes de negocios pueden generar rotación laboral sobre los colaboradores que no viajan por trabajo. |
| Estado Civil | La vida conyugal puede tener un efecto en la rotación laboral, ya que existe una relación directa más no determinante para quedarse con el trabajo. | La tasa de rotación y participación laboral se afecta según la condición del estado civil. |
| Horas Extra | Se espera que las horas extras estén relacionadas con la rotación a causa del desequilibrio en aspectos personales y familiares. | Las personas que trabajan horas extra tienen mayor posibilidad de rotar que las que no trabajan extra. |
| Variable numérica | Relación | Hipótesis |
| Ingreso_Mensual | El ingreso mensual se estima que este relacionado con la rotación debido al comportamiento del mercado profesional. | Las personas con ingreso mensual menor a dos SMLV rotan más que las que tienen mayor ingreso económico. |
| Distancia_Casa | Se considera que las consecuencias como estrés por la distancia y demora al trabajo esté relacionado con la rotación laboral, debido a las dificultades de movilidad en diferentes sectores de la ciudad. | Las personas con mayor desplazamiento hacia el lugar de trabajo tienen mayor posibilidad de rotar laboralmente debido a las dificultades de movilidad. |
| Edad | La edad del profesional puede estar relacionado con la rotación corporativa debido a diversos intereses como buscar nuevas experiencias y mejores empresas para trabajar. | Las personas más jóvenes tienen mayor posibilidad de rotar que las que tienen edades más altas. |
Punto 2
Realizar un análisis univariado (caracterización). Nota: Los indicadores o gráficos se usan dependiendo del tipo de variable (cuanti o cuali). Incluir interpretaciones de la rotación.
##
## Frecuentemente No_Viaja Raramente
## 18.84354 10.20408 70.95238FIGURA 1 – viaje de negocios: La mayor parte de los colaboradores viajan por negocio raramente, seguido de esto los que viajan frecuentemente y por ultimo los que nunca viajan, por ende, a nivel total de la muestra se tiene un 71%, 10% y 19% respectivamente, los valores para esta variable.
##
## Casado Divorciado Soltero
## 45.78231 22.24490 31.97279FIGURA 2 – estado civil: Siendo una de variables cualitativas de tipo nominal que puede representar la vida privada de un colaborador por medio de la caracterización conforme a si este está casado, divorciado o soltero, donde se tiene una frecuencia para el modelo de 46%, 22% y 32% respectivamente, según el estado civil.
##
## No Si
## 71.70068 28.29932FIGURA 3 – horas extra: La variable de horas extra se convierte en una variable dicotómica, ya que estamos creando índices cuantitativos a partir de esta variable cualitativa, pues tenemos resultados donde se representa en un 72% los colaboradores que no trabajan horas extras y en un 28% los que si emplean mas parte de su tiempo para sus actividades laborales.
## promedio_ingreso mediana_ingreso max_ingreso min_ingreso des_ingreso
## 1 6502.931 4919 19999 1009 4707.957
## cv_ingreso
## 1 72.39746FIGURA 4 – ingreso mensual: La variable cuantitativa de ingreso mensual, esta dada por valores en millones (M) donde el rango mínimo de salario mensual esta por $1M COP y el máximo por 19M COP en la población de colaboradores, pues en promedio se cuenta con una cantidad de 6,5M COP en el ingreso mensual.
## promedio_ditscasa mediana_ditscasa max_ditscasa min_ditscasa des_ditscasa
## 1 9.192517 7 29 1 8.106864
## cv_ditscasa
## 1 88.18982FIGURA 5 – distancia casa: La variable cuantitativa de distancia a casa está dada por valores en kilómetros (Km) donde el rango mínimo de distancia desde la casa al lugar de trabajo está dada por 1Km y el máximo por 29Km en la población de colaboradores, pues en promedio la cantidad de kilómetros que los colaboradores deben recorrer esta dada en 9Km.
## promedio_edad mediana_edad max_edad min_edad des_edad cv_edad
## 1 36.92381 36 60 18 9.135373 24.74115FIGURA 6 – edad: Esta variable cuantitativa está clasificada como discreta, porque solo se puede tener un valor determinado por año para representar la edad, por lo cual, en la población se cuenta con un rango de edad mínimo de 18 años y máximo de 60 años, además el promedio de la edad de la muestra esta en 36 años.
Punto 3
Realizar un análisis de bivariado en donde la variable respuesta sea la rotación codificada de la siguiente manera (y=1 es si rotación, y=0 es no rotación), con base en estos resultados identifique cuales son las variables determinantes de la rotación e interpretar el signo del coeficiente estimado. Compare estos resultados con la hipotesis planteada en el punto 2.
Análisis bivariado: A continuación, de desarrollado el análisis de las variables:
La frecuencia en los viajes de negocios puede incidir en la rotación laboral de la empresa, pues cuando no viajan los colaboradores la rotación es de 8%, cuando viajan rara vez es de un 15%, pero cuando los viajes son frecuentes la tasa de rotación alcanza un 25%.
Para determinar si el estado civil influye en la cuantía de usuarios que generan la rotación empresarial, se aplicó el análisis bivariado, cuyo resultado observado es que los índices de rotación se manejan en un 12% cuando los colaboradores son casados, un 10% cuando están divorciados pero un 31% cuando son solteros, por lo que puede decirse que hay una relación reveladora según el estado civil tal como se indicó en la hipótesis.
La relación que se obtiene en la tasa de rotación laboral por las horas extra que puede trabajar un colaborador, esta marcada en un 31% vs un 10% cuando los colaboradores si trabajaran horas extra vs a los que no trabajan en dichos tiempos adicionales.
##
## Frecuentemente No_Viaja Raramente
## 0 208 138 887
## 1 69 12 156
Los factores económicos en la vida profesional conllevan a validar nuevas oportunidades dentro del mercado laboral, por eso, es imprescindible notar una relación puntual entre la rotación según los ingresos económicos de los colaboradores, pues cabe resaltar con los resultados de la figura 10 que la rotación se da para los usuarios con salarios desde 2,3M hasta 5,9M, donde la mayoría de los usuarios en la base de datos se encuentran en los 3,2M COP en promedio, en comparación los usuarios que presentan mayor estabilidad laboral se encuentran en una media de 5,2M, indicándonos un valor de aproximadamente 2M por encima, haciendo que este dato sea un factor desencadenante en deserciones laboral y por ende, genere mayor rotación en el sector laboral.
Los rangos de edades pueden ser cruciales a la hora de revisar índices de rotación laboral, ya que entre mayor sea la edad del colaborador mayor estabilidad querrá tener, es decir, es una variable directamente proporcional, tal como se evidencia en la figura 11 se presenta rotación en un 25% de los casos se encuentran por debajo de 27,7 años y el 75% de los casos se encuentran por encima de 39 años, por lo cual, deja a la mitad la edad de 32 años para la cantidad de usuarios que tienen deserción laboral en los trabajos para cambiar a otro. En caso contrario, los usuarios entre los rangos de edad 31 y 43 años mantienen su estabilidad laboral.
El desplazamiento que genera el recorrido del hogar hasta el sitio de trabajo pueden conllevar a trayectos largos, haciendo que se tengan mayores problemas de conciliación laboral y personal, por lo cual, tiene lógica indicar que entre mayor sea la distancia en Km, mayor serán los niveles de rotación laboral en el mercado, ya que como se evidencia en la figura 12 la rotación se presenta cuando la distancia de recorrido esta entre 3 Km y 17 Km, teniendo una posición central de estos casos cuando la distancia es 9 Km.
Los viajes por motivos de trabajo afectan a la vida personal de los profesionales y mas cuando no tiene los ingresos monetarios suficientes, tal como se evidencia en la figura XX sin importar la categoría de viajes, es decir, aunque viajen frecuentemente, raramente o no viajen por trabajo, no se dan índices de rotación cuando los ingresos de salario mensual son altos, es decir cuando se tiene una posición centralizada en XXM, XXM y XXM, respectivamente. En caso contrario, se evidencia que la variable de viaje de negocios cuando los usuarios no viajan, pero el ingreso mensual esta en XXM tienen un grado alto de rotación, sumado a lo anterior cuando viajan frecuentemente y raramente también se presenta una rotación demostrativa cuando sus ingresos mensuales están entre XXM y XXM y XXM y XXM, respectivamente, dejando ver con esto que entre las variables de ingreso mensual y manejo de viajes de negocio existe una relación gradual para que un usuario rote en el campo laboral.
Punto 4
Realizar la estimación de un modelo de regresión logistico en el cual la variable respuesta es rotación (y=1 es si rotación, y=0 es no rotación) y las covariables las 6 seleccionadas. Interprete los coeficientes del modelo y la significancia de los parametros.
##
## Call:
## glm(formula = y ~ ., family = "binomial", data = train.data)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.5135 -0.5958 -0.4064 -0.2286 3.0572
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -2.464e-01 4.373e-01 -0.563 0.573171
## Edad -4.115e-02 1.169e-02 -3.520 0.000431 ***
## `Viaje de Negocios`No_Viaja -1.346e+00 4.048e-01 -3.326 0.000882 ***
## `Viaje de Negocios`Raramente -5.069e-01 2.014e-01 -2.517 0.011819 *
## Distancia_Casa 2.585e-02 1.050e-02 2.462 0.013834 *
## Estado_CivilDivorciado -2.970e-01 2.596e-01 -1.144 0.252551
## Estado_CivilSoltero 8.538e-01 1.913e-01 4.464 8.03e-06 ***
## Ingreso_Mensual -9.184e-05 2.848e-05 -3.225 0.001261 **
## Horas_ExtraSi 1.355e+00 1.766e-01 7.673 1.67e-14 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 1036.88 on 1175 degrees of freedom
## Residual deviance: 869.86 on 1167 degrees of freedom
## AIC: 887.86
##
## Number of Fisher Scoring iterations: 5- Acorde al modelo, el logaritmo de odds en el cual una persona rote de la compañía esta negativamente relacionado con Edad, No_viaja, Viaja_Raramente y su ingreso con coeficientes parciales de \(-4.115e^{-02}\), \(-1.346e^{+00}\), \(-5.069e^{-01}\), \(-9.184e^{-05}\) respectivamente, siendo significativa esta relación con p-values \(0.000431\), \(0.000882\), \(0.011819\) y \(0.001261\) respectivamente. También existe una relación significativa positiva entre el logaritmo de odds de la Distancia_casa, Estado_CivilSoltero y Horas_ExtraSi con p-values \(0.013834\), \(8.03e^{-06}\) y \(1.67e^{-14}\) respectivamente, siendo para la rotación SI la persona no trabaja horas extra.
Además del valor estimado de los coeficientes parciales de correlación calculados por el modelo, es conveniente generar sus correspondientes intervalos de confianza. En el caso de regresión logística, estos intervalos suelen calcularse basados en profile likelihood.
## Estimate 2.5 % 97.5 %
## (Intercept) -2.463652e-01 -1.1024856853 6.138039e-01
## Edad -4.114794e-02 -0.0645297088 -1.865736e-02
## `Viaje de Negocios`No_Viaja -1.346420e+00 -2.1966244447 -5.944903e-01
## `Viaje de Negocios`Raramente -5.069263e-01 -0.8979488151 -1.073415e-01
## Distancia_Casa 2.584932e-02 0.0050939844 4.632414e-02
## Estado_CivilDivorciado -2.970326e-01 -0.8209858765 2.003437e-01
## Estado_CivilSoltero 8.538116e-01 0.4811207701 1.231869e+00
## Ingreso_Mensual -9.183837e-05 -0.0001496885 -3.776609e-05
## Horas_ExtraSi 1.355191e+00 1.0104913216 1.703620e+00- En caso de querer los intervalos basados en el error estándar:
## 2.5 % 97.5 %
## (Intercept) -1.1034431528 6.107127e-01
## Edad -0.0640574741 -1.823840e-02
## `Viaje de Negocios`No_Viaja -2.1398910915 -5.529479e-01
## `Viaje de Negocios`Raramente -0.9015876517 -1.122650e-01
## Distancia_Casa 0.0052672736 4.643137e-02
## Estado_CivilDivorciado -0.8058472963 2.117821e-01
## Estado_CivilSoltero 0.4789655689 1.228658e+00
## Ingreso_Mensual -0.0001476583 -3.601839e-05
## Horas_ExtraSi 1.0090459479 1.701336e+00- A continuación, se verifica el factor de inflación de variación:
## GVIF Df GVIF^(1/(2*Df))
## Edad 1.280243 1 1.131478
## `Viaje de Negocios` 1.012821 2 1.003190
## Distancia_Casa 1.024123 1 1.011990
## Estado_Civil 1.037464 2 1.009237
## Ingreso_Mensual 1.266373 1 1.125332
## Horas_Extra 1.027691 1 1.013751
- El factor de inflación de variación \(VIF = \frac{1}{1-R_i^2}\) < 5 del modelo demuestra que no existe correlación entre las variables predictoras del modelo propuesto.
Punto 5
Evaluar el poder predictivo del modelo con base en la curva ROC y el AUC.
- Para este estudio se va a emplear un threshold de \(0.5\). Si la probabilidad predicha de rotar en la compañía es superior a 0.5 se asigna al nivel 1 (Sí rota), si es menor se asigna al nivel 0 (No rota).
## Predicciones
## Observaciones 0 1
## 0 972 157
## 1 15 32
El modelo es capaz de clasificar correctamente \(\frac{972+32}{972+15+32+157}= 0.854(85.4\%)\) de las observaciones de entrenamiento. Para este estudio se va a emplear un threshold de 0.5. Si la probabilidad predicha de rotar en la compañía es superior a 0.5 se asigna al nivel 1 (Sí rota), si es menor se asigna al nivel 0 (No rota). Si analizamos cuidadosamente como se distribuye el error evidenciamos que el modelo ha sido capaz de identificar correctamente a \(32\) de las \(189\) personas que rotaron dentro del set de datos de entrenamiento. Seleccionar otro threshold puede mejorar la exactitud del modelo.
- Una vez desarrollado el modelo con el set de datos de entrenamiento, procedemos a testear el modelo:
## Predicciones
## Observaciones 0 1
## 0 245 41
## 1 1 7
Precision: De todos los positivos pronosticados, ¿qué porcentaje es verdaderamente positivo?
\[ Precision = \frac{7}{7 + 1} = 0.875(87.5\%) \]
Recall: Del total de positivos, ¿qué porcentaje se pronostican positivos?
\[ Recall = \frac{7}{7 + 41} = 0.145833(14.6\%) \]
Tasa de clasificación erronea del modelo: La tasa de clasificación errónea es una medida intuitiva, pero tiene la desventaja de que está definida por un valor fijo particular. Umbral de riesgo (normalmente 0,5). Podemos obtener más información sobre un clasificador, si podemos ver su rendimiento a lo largo de todos los cortes de riesgo posibles. La curva ROC nos da esa información.
(confusion_matrixt_test[1,2] + confusion_matrixt_test[2,1])/sum(confusion_matrixt_test)## [1] 0.1428571- En general el modelo se equivoca en un \(0.1428571\) o \(14.3\)%
Curva ROC: En la curva de características operativas del receptor (ROC), analizamos todos los umbrales de riesgo posibles para clasificar las muestras en 1 y 0. Para cada umbral, calculamos la tasa positiva verdadera (Sensibilidad, la proporción de verdaderos 1 que están etiquetados como 1), frente a la tasa de falsos positivos (1 - Especificidad, la proporción de verdaderos 0 que están etiquetados como 1). Dibujemos curvas ROC de los modelos entrenamiento y prueba anteriormente desarrollados:
##
## Call:
## roc.default(response = test.data$y, predictor = model_rota)
##
## Data: model_rota in 246 controls (test.data$y 0) < 48 cases (test.data$y 1).
## Area under the curve: 0.7621## [1] 0.7621Procedemos a obtener la tasa de clasificación errónea usando ROCR con los parámetros de la medida = “err”. Así mismo desarrollamos una función de límite de riesgo marcando el valor \(0.1428571\) calculada como la tasa de clasificación errónea del modelo:
Punto 5.1
Evaluar el poder predictivo del modelo con base en la curva ROC y el AUC.
Punto 6
Predeccir la probabilidad de que un individuo (hipotetico) rote y defina un corte para decidir si se debe intervenir a este empleado o no (posible estrategia para motivar al empleado).
Punto 7
En las conclusiones se discute sobre cual seria la estrategia para disminuir la rotación en la empresa (con base en las variables que resultaron significativas en el punto 3). Ejemplo: Mejorar el ambiente laboral, los incentivos económicos, distribuir la carga de horas extra (menos turnos y mas personal).
En relación con las condiciones laborales hoy en día, es prioritario dar la importancia a mejorar la vida profesional según la edad de los colaboradores, tal es el caso de prestar mayor atención a la población joven que se encuentra en un rango de edad 27 y 39 años, ya que para este grupo es transcendental el equilibrio entre la vida personal y profesional, por lo cual la edad es una de las variables mas significativas para tomar decisiones en la disminución de la rotación en la empresa, pues esta se puede relacionar en gran medida con el ingreso salarial mensual y la frecuencia de los viajes de negocios, por ejemplo, a cuanta más edad más les afectan los viajes de negocios. Según los resultados del modelo a las anteriores variables se suma también los estados civiles de los colaboradores, ya que en la rotación es significativo cuando el usuario tiene un estado civil Soltero, por lo contrario, no es significativo y casi nulo, cuando el usuario está Divorciado, además el colaborador entre más joven y con estado civil soltero, podrá trabajar horas extra sin ningún problema, haciendo que esta última variable también sea significativa para el modelo, ya que la rotación por horas extra esta reflejada en un 31% aproximadamente.
Finalmente, la empresa debe generar estrategias teniendo en cuenta las variables significativas que revela el modelo como mejorar los rangos salariales para la población joven para generar incentivos por sus esfuerzos, años de experiencia que puedan lograr y estudios en su campo laboral, sin dejar atrás que las personas de más edad mantengan la satisfacción de su salario por los años de experiencia y entrega a la empresa. Por otro lado, la relación en los resultados que tenemos en el modelo presentado para el caso de estudio con la segunda edición del Informe de Afectación Personal de Business Travel que realiza la plataforma de gestión de gastos corporativos Captio (CONEXO.NET, 2019), son similares, ya que indican lo que se obtuvo en el modelo y se refleja en la figura 7 y 13, pues es significativo en los índices de rotación los viajes por negocios, condicionalmente los viajes laborales afectan en temas de salud y manejo de vida personal, además por las edades tiene mayor afectación en unas que otras, por lo cual, la empresa debe pensar en hacer viajes mas cortos y prever con mayor antelación los viajes de negocio para tener una preparación que disminuya el estrés por tener a tiempo lo que se requiera por parte del colaborador, por otra parte, se podría trabajar en capacitaciones para manejo de habilidades personales que ayuden a equilibrar la vida personal con la laboral, como por ejemplo manejo de inteligencia emocional, psicoterapias, seminarios de aspectos de salud, entre otros, todo lo anterior para trabajar en pro a disminuir la rotación laboral en la compañía. CONEXO.NET. (jueves 07, noviembre de 2019). ESTUDIO DE CAPTIO - Los viajes por motivos de trabajo afectan a la vida personal de los profesionales Nombre del sitio
Informe 2
Con base en los datos de créditos proponga un modelo de regresión logístico múltiple que permita predecir el riesgo de default en función de las covariables que considere importantes y seleccionándolas de acuerdo con un proceso adecuado. Tenga en cuenta realizar una evaluación de la significancia de los parámetros, interpretación y proponga un método de evaluación por medio de validación cruzada. Presente métricas apropiadas como el AUC y la curva ROC.
## # A tibble: 6 × 5
## DEFAULT ANTIUEDAD EDAD CUOTA_TOTAL INGRESOS
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 37.3 77.0 3020519 8155593
## 2 1 37.3 73.8 1766552 6181263
## 3 1 31.0 78.9 1673786 4328075
## 4 1 9.73 51.5 668479 5290910
## 5 1 8.44 39.0 1223559 5333818
## 6 1 6.61 44.9 3517756 2710736##
## Call:
## glm(formula = DEFAULT ~ ., family = "binomial", data = train.data.credito)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -0.8155 -0.3841 -0.2641 -0.1474 3.3322
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -2.555e+00 1.062e+00 -2.406 0.01611 *
## ANTIUEDAD -7.941e-02 3.162e-02 -2.511 0.01203 *
## EDAD 1.338e-02 2.299e-02 0.582 0.56053
## CUOTA_TOTAL 9.859e-07 3.163e-07 3.117 0.00183 **
## INGRESOS -1.967e-07 1.262e-07 -1.559 0.11900
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 215.01 on 545 degrees of freedom
## Residual deviance: 194.36 on 541 degrees of freedom
## AIC: 204.36
##
## Number of Fisher Scoring iterations: 7## (Intercept) ANTIUEDAD CUOTA_TOTAL INGRESOS
## -2.013834e+00 -6.846563e-02 9.716954e-07 -1.889841e-07##
## Call:
## glm(formula = DEFAULT ~ ANTIUEDAD + CUOTA_TOTAL + INGRESOS, family = "binomial",
## data = train.data.credito)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -0.7888 -0.3846 -0.2621 -0.1506 3.3180
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -2.014e+00 4.863e-01 -4.141 3.46e-05 ***
## ANTIUEDAD -6.847e-02 2.562e-02 -2.673 0.00753 **
## CUOTA_TOTAL 9.717e-07 3.154e-07 3.081 0.00206 **
## INGRESOS -1.890e-07 1.260e-07 -1.500 0.13363
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 215.01 on 545 degrees of freedom
## Residual deviance: 194.69 on 542 degrees of freedom
## AIC: 202.69
##
## Number of Fisher Scoring iterations: 7##
## deful_tr 0 1
## 0 519 26
## 1 0 1## Predicciones
## Observaciones 0 1
## 0 222 12
Valores pronosticados de la regresión logística El valor pronosticado de la regresión logística es en términos de probabilidades logarítmicas: \(\hat{Y} = log(Odds(Y = 1))\) Y = 1 . La probabilidad pronosticada viene dada por la función de respuesta logística:
\[ \hat{p} = \frac{1}{(1+e^{-\hat{Y}})} \]
Miremos las predicciones del modelo logístico:
Estos están en una escala de 0 a 1 y aún no podremos determinar si el valor previsto es (Default = 1) o ( Default = 0). Podríamos declarar por defecto cualquier valor superior a 0,5. En la práctica, un límite más bajo suele ser apropiado si el objetivo es identificar miembros de una clase rara.
Evaluación del modelo
Al igual que otros métodos de clasificación, la regresión logística se evalúa según la precisión con la que el modelo clasifica los datos nuevos
La interpretación del p-value viene con la misma advertencia que en la regresión y debe verse más como un indicador relativo de importancia variable que como una medida formal de importancia estadística. Para el modelo en estudio en el cual trabajamos con una regresión logística el cual tiene una respuesta binaria (Default = 0, Default = 1) no tiene un RMSE o R- Cuadrado asociado. Sin embargo, un modelo de regresión logística por lo general se evalúa utilizando métricas más generales para la clasificación como: Precisión (Accuracy), Matriz de confusión (Confusion Matrix), Sensibilidad (Sensitivity), Especificidad (Specificity), Precisión, Curva de ROC (ROC curve) y Levantar (Lift).
`