¿Regresión logística o regresión OLS?

Question

Soy un psicólogo clínico en formación que investiga si la edad, la etnia o el género influyen en la aceptación de la terapia cognitivo-conductual (TCC) para la psicosis en cuatro equipos de necesidades complejas diferentes. Se trata de un pequeño proyecto de mejora de la calidad de 5.000 palabras. Ya he realizado análisis descriptivos y de chi-cuadrado sobre un aspecto diferente de los datos para los que recibí ayuda en este foro. He creado una serie de categorías de aceptación de la terapia (VD), por ejemplo, TCC>16 sesiones, TCC en curso, no se ofrece TCC, etc. Como mínimo, necesito incluir 3 categorías, pero sería mejor incluir 5 categorías (puedo utilizar sólo 3 si el análisis se va a complicar mucho con cada categoría adicional). El origen étnico está dividido en 5 categorías, no estoy seguro de cómo dividir la edad, y el género habla por sí mismo.

Mi plan era hacer una regresión para cada uno de los cuatro equipos. Por ejemplo, en el equipo 1, ¿alguna de las categorías étnicas predice la aceptación de la terapia? ¿La edad predice la aceptación de la terapia? etc.

Dos de los equipos tienen números bastante pequeños <40 y debido a esto y a los datos que faltan, algunas de las categorías étnicas son <5. En total hay 315 clientes. Entiendo que la potencia de la regresión será mayor cuanto más grande sea la muestra que tengo, pero tengo que equilibrar esto con que sea de mayor utilidad clínica conocer los resultados de cada equipo en lugar del servicio en su conjunto. Pero estoy abierto a amalgamar los cuatro equipos en un solo IV si esto me facilita la vida.

Tengo SPSS y Excel. Ya he llevado a cabo una regresión múltiple con SPSS, pero quiero la forma más sencilla y directa de llevar a cabo el análisis. Mi hipótesis es la nula: el origen étnico, la edad o el sexo no predicen la aceptación de la terapia.

Answer 1

La respuesta a su primera pregunta es bastante obvia: Si su resultado es categórico con >2 categorías, no puede utilizar OLS. Necesita ajustar un modelo logit multinomial.

En segundo lugar, es cierto que se puede hacer un análisis estratificado para cada equipo, es decir, el ajuste:

$Uptake = \beta_0 + \beta_1Age +\beta_2Sex + \beta_{3}Ethn2+ \beta_{4}Ethn3+ \beta_{5}Ethn4+ \beta_{6}Ethn5 + \epsilon$

o puede combinar los cuatro equipos en un conjunto de datos e interactuar el equipo con sus tres covariables del modelo:

$Uptake = \beta_0 + \beta_1Age +\beta_2Sex + \beta_{3}Ethn2+ \beta_{4}Ethn3+ \beta_{5}Ethn4+ \beta_{6}Ethn5 + \beta_7Age*Team1 + \beta_8Age*Team2+\beta_9Age*Team3+\beta_{10}Sex*Team1+...+\beta_kEthn5*Team3 + \epsilon$

Y hacer una prueba de Chow para las "diferencias estructurales" entre los 4 equipos. De cualquier manera, la elección es suya. Yo introduje la edad como continua aquí, pero ciertamente puedes dividirla en diferentes categorías de edad para introducirla en el modelo si tiene sentido en tu contexto.