source('C:/Users/rober/Documents/R/ts.brb.test/Rprofile.site');source('C:/Users/rober/Documents/R/ts.brb.test/functions.R')
==========================
Motor Barbwin8 cargado
==========================data <- expss::read_spss('data/datos_para_logreg.sav')
bw8logreg(df = data, # dataframe de trabajo
weight_var=NULL, # peso, variable numérica
dep_var = "Enfermedad",# dep_var, variable que debe ser dicotómica
indep_vars = c("Edad", "Colesterol", "Ruido_Absurdo"),# indep_vars, vector de variables que deberían ser numéricas o binarias (binariza el usuario)
id_var = "ID_PACIENTE", # identificador, obligatoria y única.
method = "stepwise", # modos de regresion, uno de ellos (enter, stepwise, forward, backward)
link = "logit", # enlace, uno de ellos (logit o probit)
prob_cut = 0.5, # Punto de corte para la clasificación
std_outlier = 3, # Umbral para residuos de deviación típica para calificar como outlier (entero entre 1 y 5)
export_json = TRUE, # si habrá exportación de variables
json_path = "logistic_regression_diagnostics.json", # ruta y nombre de fichero, se puede usar un elementId.
publish = TRUE)Regresión logística binaria (Enlace: LOGIT )
Análisis de variable dependiente (evento = 1 )
Resumen del modelo
Tabla de clasificación (punto de corte = 0.5 )
Porcentaje global correcto: 74.73 %
Variables en la ecuación
Diagnóstico de probabilidades predichas
Casos atípicos (residuo de devianza > 3 )
No se detectan outliers bajo el umbral especificado.
Distribución de variables independientes finales
Diagnóstico por caso exportado a: logistic_regression_diagnostics.json