Maestra en Estadstica Aplicada

Asignatura: ANALISIS DE REGRESIN LINEAL

AUTOR DEL ANALISIS: Jose M.

MODELO DE REGRESIN PARA LA

EVALUACIN DEL HOSPITAL GENERAL DE
ACAPULCO
1. INTRODUCCIN
1.1 DEFINICIN DEL PROBLEMA DE INVESTIGACION
En muchas ocasiones se ha especulado entre la sociedad sobre la calidad de los
servicios que ofrece el Hospital General del puerto de Acapulco, pero esto
tambin es propio decirlo sobre la calidad de otros hospitales; en vista de que no
hay una medida o norma a la vista sobre qu hospital es mejor con respecto a su
infraestructura, su personal profesional o calidad humana, se pretende tener una
exploracin con base en mtodos estadsticos para obtener respuestas objetivas,
fundamentadas en recursos tcnicos, ms que empricos o solo de odos. Con todo
esto se pretende valorar el servicio profesional que recibe un paciente con
respecto a la relacin humana con el personal mdico que integre la atencin
completa de un paciente.

1.2 OBJETIVOS
i. Obtener un modelo de regresin para evaluar la atencin medica recibida en el
hospital general de Acapulco.
ii. Identificar las caractersticas ms representativas del modelo obtenido.

2. MARCO TERICO
Mencionamos en primera parte que la Secretaria de Salud (SS) aplica un sistema
conocido como Sistema Nacional de Indicadores de Calidad en Salud (INDICAS),
que fue creado en el ao 2003, durante la cruzada nacional por la calidad de los
servicios de Salud con la funcin de reporte as como de evaluacin y monitoreo de la
calidad de atencin.
Este Sistema actualmente se encuentra estructurado en tres grandes categoras: calidad
tcnica, calidad interpersonal y gestin de la calidad. Destacan entre los principales
indicadores para los diferentes niveles de atencin mdica aquellos enfocados en la

Maestra en Estadstica Aplicada

Asignatura: ANALISIS DE REGRESIN LINEAL
AUTOR DEL ANALISIS: Jose M.

medicin del trato digno, la organizacin de los servicios de salud, la atencin mdica
efectiva y la calidad en los servicios de enfermera. Tambin cabe mencionar que la SS
fue reconocido este ao 2014 por El Consejo Nacional de Evaluacin de la Poltica de
Desarrollo Social CONEVAL, por el desarrollo de este sistema.
Durante el ltimo cuatrimestre se cuenta con un reporte de 11,288 establecimientos de
atencin a la salud del Sistema Nacional de Salud en todos los niveles en las 31
entidades federativas y el Distrito Federal.
La Secretara de Salud instrumenta mecanismos dirigidos a homologar la calidad
tcnica e interpersonal de los servicios de salud en el pas, incluyendo mejoras al
sistema INDICAS que permitan evaluar los procesos de atencin mdica y su
efectividad, mejorar la calidad de la informacin y evitar el auto-reporte de las
unidades, incrementar la oportunidad y el nmero de unidades que reportan al
INDICAS e incentivar a los establecimientos e instituciones a que utilicen de manera
estratgica la informacin del INDICAS a favor de la mejora de la calidad de la
atencin al interior de cada una de ellas.
Pero todo lo anterior es de manejo de poltica interna, ya que al revisar la pgina web
oficial del Hospital General de Acapulco, no se encuentra informacin al respecto de los
resultados de la aplicacin del sistema INDICAS; lo que podemos ver en la pgina web
es todo lo concerniente a, manuales de operacin de cada rea de trabajo, normas,
soporte, informacin concerniente a los servicios con los que cuenta el Hospital General
de Acapulco, su misin, visin y objetivos como institucin de salud.
A continuacin una imagen del portal del hospital general de Acapulco.
PORTAL DEL HOSPITAL GENERAL DE ACAPULCO

En esta pgina lo nico relacionado a una encuesta como tal, es nicamente una
opinin acerca del portal del HOSPITAL GENERAL

Maestra en Estadstica Aplicada

Asignatura: ANALISIS DE REGRESIN LINEAL
AUTOR DEL ANALISIS: Jose M.

3. METODOLOGA
Se pretende evaluar de manera integral la percepcin sobre los servicios que ofrece el
Hospital general de Acapulco a los pacientes que son atendidos en sus instalaciones. Se
dise un cuestionario en el cual se concentraron datos generales de los pacientes, el
tipo de servicio que demandaron y la opinin sobre distintas afirmaciones mediante una
escala tipo Likert de acuerdo o aprobacin. La estructura del cuestionario es como se
indica a continuacin, considerando las variables con sus respectivos cdigos.
Los cdigos de las etiquetas son los siguientes:
EtiquetaContenido

Tipo

Sexo

Cualitativa (h-m)

Edad

Cuantitativa

DI

Das de ingreso

Cuantitativa

Ciruga

Cualitativa (S o No)

1:Medicina interna
2:Traumatologa
3:Urologa
4:Oftalmologa

P1

Estado de las habitaciones

Likert

P2

Comida

Likert

P3

Atencin del personal no sanitario

Likert

P4

Atencin del personal auxiliar sanitarioLikert

P5

Atencin del personal de enfermera

Likert

P6

Atencin del personal mdico

Likert

P7

Informacin recibida

Likert

P8

Solucin del problema

Cualitativa (S o No)

VG

Valoracin general

Cuantitativa (0-10)

Maestra en Estadstica Aplicada

Asignatura: ANALISIS DE REGRESIN LINEAL
AUTOR DEL ANALISIS: Jose M.

Totalmente en desacuerdo

En desacuerdo

Ni de acuerdo ni en desacuerdo

De acuerdo

Totalmente de acuerdo

La siguiente expresin es el Modelo de Regresin Mltiple

y 0 1 x1 ... p x p

La cual, es la ecuacin que describe cmo est relacionada la variable dependiente y con
las variables independientes x1,x2,,xp, adems el corresponde al trmino del error
que corresponde a la variabilidad en y que no puede atribuirse o explicarse al efecto
lineal de las p variables independientes.
Con los estadsticos muestrales b1, b2,, bp que se usan como estimadores puntuales de
los parmetros 0 , 1 , ... , p se emplea una muestra aleatoria simple, ya con los
estadsticos muestrales se obtiene la siguiente ecuacin de regresin mltiple estimada.

y b0 b1x1 ...bp x p
Donde

b0 , b1 , ..., bp Son las estimaciones de 0 , 1 , ..., p

y = valor estimado de la variable independiente

Supuestos del modelo de regresin mltiple
Supuesto 1. El trmino del error es una variable aleatoria distribuida normalmente.
Supuesto 2. Para cada valor de y las varianzas son iguales (homocedasticidad).
Supuesto 3. Los trminos del error son independientes uno del otro.
Supuesto 4. El supuesto de linealidad: las medias de los valores y quedan en una recta.

Maestra en Estadstica Aplicada

Asignatura: ANALISIS DE REGRESIN LINEAL
AUTOR DEL ANALISIS: Jose M.

Supuesto 5. El nmero de observaciones n, excede al nmero de variables

independientes k en por lo menos 2.
Supuesto 6. Hay k+1 parmetros por estimar, los coeficientes para las variables
ms el intercepto.
Ahora hablando de nuestros objetivos de investigacin, tenemos 7 variables
independientes y una variable de respuesta; esto significa que en nuestro modelo habr
k+1=7+1 parmetros por estimar
Las variables desde P1 hasta P7 estn tomadas con la escala Likert de 1 a 5, y la
variable de respuesta VG es una variable cuantitativa de 0 a 10.

El coeficiente de determinacin mltiple

El coeficiente de determinacin mltiple indica una medida de la bondad de ajuste de
la ecuacin de regresin mltiple estimada, y se determina con la siguiente expresin.
R2

SCR
SCT

Donde

SCR= Suma de cuadrados debido a la regresin =

SCT= Suma de cuadrados total =

( y y)

( y y) 2
i

Coeficiente de determinacin mltiple ajustado

2
a

1 (1 R 2 )

n 1
n k 1

Donde n es el tamao de muestra y k es el nmero de variables

Error estndar de la estimacin
Este estadstico se utiliza como una medida de bondad de ajuste, mide los grados de
dispersin de los valores yi alrededor del plano de regresin.

Maestra en Estadstica Aplicada

Asignatura: ANALISIS DE REGRESIN LINEAL
AUTOR DEL ANALISIS: Jose M.

Se

(y

yi ) 2

n k 1

Donde
SCE= Suma de cuadrados de los errores =

( yi yi ) 2

n-k-1 es el nmero de grados de libertad.

k es el nmero de variables independientes.
ANOVA
Este es un procedimiento para probar si alguna de las variables independientes tiene una
relacin con la variable dependiente, es decir si una variable independiente xi no tiene
relacin alguna con la variable dependiente (y), su coeficiente debe ser cero.
El procedimiento ANOVA prueba la siguiente hiptesis nula de que todos los
coeficientes son iguales a cero contra la alternativa de que por lo menos algn i 0 .
H 0 : 1 2 3 ... k 0
H1 : Por lo menos un i 0, i 1, 2,..., k

Si la hiptesis nula no se llega a rechazar entonces significara que no existe relacin

lineal entre las variables aleatorias independientes xi y la variable de respuesta y; pero si
la hiptesis nula se rechaza, en consecuencia se aceptara la alternativa y significara
que por lo menos alguna variable independiente tiene relacin lineal con y.
A continuacin se presenta el formato general de la tabla ANOVA.
Fuente de variacin
Entre muestras (tratamiento)

Dentro de las muestras

(error)

Variacin total

Suma de
cuadrados
SCR

Grados de
libertad
K

Cuadrado medio

SCE

n-k-1

SCE
n k 1

SCT

n-1

SCR
k

VALOR F
F

CMR
CME

Maestra en Estadstica Aplicada

Asignatura: ANALISIS DE REGRESIN LINEAL
AUTOR DEL ANALISIS: Jose M.

Prueba t de significancia
Ahora probaremos cada coeficiente de manera individual para saber cules son
significantes. La hiptesis nula significa que la primera variable no contribuye con
poder explicativo para el modelo de regresin. De esta manera tenemos que para
cualquier parmetro i .
H 0 :i 0
H1 : i 0

El estadstico de prueba es
t

bi
, donde Sbi = error estndar del coeficiente de regresin
S bi

bi= coeficiente de regresin estimado

La regla de rechazo es
Mtodo del valor crtico
Si t t
2

, n k 1

rechazar H 0

Mtodo del valor p

Si valor p rechazo H0

Multicolinealidad
La multicolinealidad se da cuando las variables no son independientes, hablando en un
sentido diferente de que trabajamos con variables independientes; ya que hablamos de
independencia entre las variables, cuando hay una alta correlacin entre las variables
esto puede acarrear problemas al modelo de regresin en el sentido de que los
coeficientes i pueden ser errneos. Ahora haremos uso del Coeficiente de correlacin
muestral, para determinar el grado de multicolinealidad que hay.
Entonces la siguiente expresin es para obtener r

Maestra en Estadstica Aplicada

Asignatura: ANALISIS DE REGRESIN LINEAL
AUTOR DEL ANALISIS: Jose M.

SCR
SCT

El consejo para utilizar el Coeficiente de correlacin es el siguiente, si el coeficiente es

mayor que 0.7 o menor a -0.7, la experiencia dicta que existe un problema serio de
multicolinealidad en las variables del modelo.

4. RESULTADOS Y DISCUSIN
Para obtener la Ecuacin de Regresin Mltiple Estimada nos apoyamos con el software
estadstico MINITAB
Tenemos los siguientes resultados
Anlisis de regresin: VG vs. P1, P2, P3, P4, P5, P6, P7

La ecuacin de regresin es
VG = - 0.396 + 0.128 P1 + 0.404 P2 + 0.123 P3 + 0.444 P4 + 0.597 P5 + 0.210 P6 + 0.150 P7
Predictor
Constante
P1
P2
P3
P4
P5
P6
P7

Coef
-0.3960
0.1282
0.4043
0.12328
0.4442
0.5969
0.21010
0.15049

S = 0.479986

Coef. de EE
0.3014
0.1140
0.1303
0.08836
0.1220
0.1180
0.07366
0.09657

R-cuad. = 92.2%

PRESS = 25.9991

T
-1.31
1.12
3.10
1.40
3.64
5.06
2.85
1.56

P
0.192
0.264
0.003
0.166
0.000
0.000
0.005
0.123

R-cuad.(ajustado) = 91.6%

R-cuad.(pred) = 90.48%

Anlisis de varianza
Fuente
Regresin
Error residual
Total

GL
7
92
99

SC
251.804
21.196
273.000

MC
35.972
0.230

F
156.14

P
0.000

Maestra en Estadstica Aplicada

Asignatura: ANALISIS DE REGRESIN LINEAL
AUTOR DEL ANALISIS: Jose M.
Estadstico de Durbin-Watson = 2.13154

Con ayuda del Minitab vemos que los coeficientes estimados son:

b0: -0.3960
b1: 0.1282
b2: 0.4043

b3: 0.12328
b4: 0.4442
b5: 0.5969

Ecuacin de regresin estimada

VG = - 0.396 + 0.128 P1 + 0.404 P2

b6: 0.21010
b7: 0.15049

+ 0.123 P3 + 0.444 P4 + 0.597 P5 + 0.210 P6 + 0.150 P7

El coeficiente de determinacin mltiple

Este coeficiente resulta
R2

SCR 251.804

92.2%
SCT
273

Lo cual significa que la variabilidad de VG (valoracin general), es explicada en un

92.2% mediante los cambios en las variables independientes P1, P2,, P7, por medio
de la ecuacin de regresin estimada.
En trminos generales, esta cantidad indica que proporcin de la variacin total en la
respuesta Y se explica con el modelo ajustado.
Coeficiente de determinacin mltiple ajustado
Tenemos que el ajustado resulta en:

2
a

1 (1 .922)

100 1
91.6%
100 7 1

Esto es, ajustar el coeficiente con el nmero de variables, con el objetivo de evitar
sobre estimar el poder explicativo del modelo estimado.

Error estndar de la estimacin

Maestra en Estadstica Aplicada

Asignatura: ANALISIS DE REGRESIN LINEAL
AUTOR DEL ANALISIS: Jose M.

Con el valor del cuadro siguiente obtenemos el error estndar de la estimacin (valor en
negrita)
Anlisis de varianza
Fuente
GL
SC
Regresin
7 251.804
Error residual 92
21.196
Total
99 273.000

MC
35.972
0.230

F
156.14

P
0.000

Del error estndar de la estimacin obtenemos:

Se

( yi yi ) 2
n k 1

21.196
21.196

0.4799
100 7 1
92

Entre menos dispersin se presente en los valores yi, ms pequeo ser Se y como
consecuencia ms preciso (y confiable) ser el modelo en su prediccin y pronstico.
En el cuadro de Minitab presentado arriba el error estndar de estimacin se denota por
S=0.479986

ANOVA
Se presenta ahora la tabla ANOVA obtenida con MINITAB.
Anlisis de varianza
Fuente
Regresin
Error residual
Total

GL
7
92
99

SC
251.804
21.196
273.000

MC
35.972
0.230

F
156.14

P
0.000

La prueba que utiliza las hiptesis descritas anteriormente se le denomina prueba F.

Para obtener la prueba F, los grados de libertad son 7 Y 92.
F

SCR
SCE

n k 1

CMR 35.972

156.14
CME 0.230

El denominador proporciona un estimador insesgado de 2 , la varianza de los

errores.
Y probando la hiptesis al nivel de significancia del 5%, se tiene el valor F de tablas
F0.05, 7 , 92 2.09

Maestra en Estadstica Aplicada

Asignatura: ANALISIS DE REGRESIN LINEAL
AUTOR DEL ANALISIS: Jose M.

La Regla de rechazo es
Rechazar H0 si valor p
Rechazar H0 si F F
Al tener un valor p se rechaza la hiptesis nula, y podemos decir que existe por
lo menos algn i 0 .
Prueba t de significancia
Los valores para el error del coeficiente de regresin los tomamos del siguiente
cuadro (valores en azul) y realizamos la prueba t.
Predictor
Constante
P1
P2
P3
P4
P5
P6
P7

Coef
-0.3960
0.1282
0.4043
0.12328
0.4442
0.5969
0.21010
0.15049

Coef. de EE
0.3014
0.1140
0.1303
0.08836
0.1220
0.1180
0.07366
0.09657

T
-1.31
1.12
3.10
1.40
3.64
5.06
2.85
1.56

P
0.192
0.264
0.003
0.166
0.000
0.000
0.005
0.123

Entonces
Con 0.05
Prueba para
p1

p2

p3

p4

H 0 : 1 0

H0 : 2 0

H 0 : 3 0

H0 : 4 0

H 1 : 1 0

H1 : 2 0

H1 : 3 0

H1 : 4 0

bi
S bi

bi
S bi

bi
S bi

bi
S bi

0.1282
1.12
0.1140

0.4043
3.1
0.1303

0.12328
1.39
0.08836

0.4442
3.64
0.1220

t
2

1.99
, 92

No rechazo H0

t
2

1.99
, 92

Rechazo H0

t
2

1.99
, 92

No rechazo H0

t
2

1.99
, 92

Rechazo H0

Maestra en Estadstica Aplicada

Asignatura: ANALISIS DE REGRESIN LINEAL
AUTOR DEL ANALISIS: Jose M.

No acepto H1

Acepto H1

No acepto H1

p5

p6

p7

H 0 :5 0

H 0 :6 0

H 0 :7 0

H1 : 5 0

H1 : 6 0

H1 : 7 0

bi
S bi

bi
S bi

bi
S bi

0.5969
5.05
0.1180

0.2101
2.85
0.07366

0.15049
1.55
0.09657

t
2

1.99
, 92

t
2

1.99
, 92

t
2

Acepto H1

1.99
, 92

Rechazo H0

Rechazo H0

No rechazo H0

Acepto H1

Acepto H1

No acepto H1

Por lo tanto eliminamos las variables p1, p3 y p7, ya que no son tiles para
integrarlas al modelo. Significa que de las variables siguientes: el Estado de las
habitaciones, Atencin del personal no sanitario, e Informacin recibida no son
relevantes para el modelo.
P1Estado de las habitaciones

Likert

P2Comida

Likert

P3Atencin del personal no sanitario

Likert

Maestra en Estadstica Aplicada

Asignatura: ANALISIS DE REGRESIN LINEAL
AUTOR DEL ANALISIS: Jose M.

P4Atencin del personal auxiliar sanitarioLikert

P5Atencin del personal de enfermera

Likert

P6Atencin del personal mdico

Likert

P7Informacin recibida

Likert

El nuevo modelo queda:

VG = - 0.396 + 0.404 P2 + 0.444 P4 + 0.597 P5 + 0.210 P6

Multicolinealidad
Obtenemos
r

251.804
.96
273

Lo cual indica un problema muy serio de multicolinealidad, ya que al obtener un

valor de r mayor que 0.7 indica una relacin lineal alta entre las variables del
modelo.