Modelos de regresión multinivel

0

Revista Madrileña de Medicina

Revista Madrileña de Medicina

Nº 10. Febrero 2014.

Estadística gota a gota

MODELOS DE REGRESIÓN MÚLTIPLE MULTINIVEL

Miguel Ángel García Pérez*

Todos estamos más o menos familiarizados con la existencia de la denominada regresión lineal múltiple, aunque sólo sea a nivel de nombre. Básicamente, tenemos la idea de que los métodos de regresión múltiple nos proporcionan ecuaciones a partir de distintas variables que nos permiten predecir el posible resultado de otra variable que consideramos dependiente de las demás.

De lo que quizás no seamos conscientes es de que, para que los procedimientos de regresión lineal sean válidos, es necesario que se cumpla que las mediciones realizadas sobre los individuos sean independientes unas de otras.1,2 Y no siempre se puede asegurar esto último, o incluso puede ser bastante cuestionable esta suposición.

El ejemplo más claro viene del campo de la educación2. Si queremos analizar los resultados educativos de un determinado modelo docente en diferentes escuelas, no podemos presumir que las mediciones realizadas sobre los alumnos sean totalmente independientes entre sí. De hecho, los alumnos se agrupan en aulas en las que comparten algunas características comunes (mismo profesor o un número reducido de ellos, condiciones físicas del aula, procedencia de un entorno socioeconómico similar…), lo que hará que la variabilidad en algunas de sus características individuales sea más reducida que en el conjunto de la población de la misma edad. No se puede hablar, por tanto, de medidas independientes entre sí.

Ésta fue la motivación principal para que Atkin y Longford iniciaran en 1986 el desarrollo de los modelos multinivel1,2. En esencia, este tipo de modelos, también denominados jerárquicos, agrupan a los individuos en clases y aplican un análisis por niveles para considerar los efectos que se puedan generar sobre la variable resultado en unos niveles de agrupación u otros. Por eso, este análisis es el adecuado para tratar casos como el del artículo que hemos estado analizando sobre incentivos en Atención Primaria3, ya que, en este caso, no nos interesa tan sólo medir la repercusión del cambio de los indicadores del sistema de incentivación sobre la atención a los individuos en general, sino también considerar en este caso las características de cada consulta de Medicina General y de la población atendida por la misma para establecer predicciones adecuadas a cada situación.

Una cosa más podemos deducir de todo esto. Si tenemos que realizar un análisis estadístico de regresión múltiple y pensamos que nuestros individuos pueden estar agrupados de forma que, dentro de cada grupo, se comparten algunos rasgos comunes, tendremos que aplicar modelos multinivel si no queremos obtener unos resultados defectuosos o, incluso, erróneos.

 

*Miguel Ángel García Pérez es médico de familia, doctor en Medicina
y director médico de la Revista Madrileña de Medicina

REFERENCIAS BIBLIOGRÁFICAS

  1. De la Cruz F. Modelos multinivel. Rev Per Epidemiol. 2008;12(3):1-8. Disponible en http://rpe.epiredperu.net/rpe_ediciones/v12_n03_2008/AR1.pdf [último acceso, 26/02/2014]

  2. Murillo Torrecilla FJ. Los modelos multinivel como herramienta para la investigación educativa. Magis, Revista
    Internacional de Investigación en Educación. 2008;1:45-62. Disponible en http://revistas.javeriana.edu.co/index.php/MAGIS/article/view/3355/2557 [último acceso, 26/02/2014]

  3. Kontopantelis E, Springate D, Reeves D, Ashcroft DM, Valderas JM, Doran T. Withdrawing performance indicators: retrospective analysis of general practice performance under UK
    Quality and Outcomes Framework. BMJ 2014;348:g330. Disponible en http://www.bmj.com/content/348/bmj.g330 [último acceso, 26/02/2014]

 

 

Compartir:

Deja una respuesta

¡Usamos cookies propias y de terceros para mejorar tu experiencia en esta web! Si sigues navegando, consientes y aceptas estas cookies en tu ordenador, móvil o tablet. Más información sobre las cookies y cómo cambiar su configuración en tu navegador aquí.

x