La calculadora de eventos por variable te dice si tus datos pueden soportar un modelo de regresión: los eventos por variable, el número máximo de predictores y la muestra necesaria para el modelo deseado.
Cómo se hace el cálculo
- Introduce el tamaño de la muestra y el número de eventos del resultado más raro.
- Introduce el número de parámetros predictores candidatos y elige el objetivo.
- La calculadora da los eventos por variable, el máximo de predictores, los eventos y la muestra necesarios y el déficit.
Ejemplo
Un estudio cuenta con 300 pacientes y 60 eventos, y quieres probar 8 predictores candidatos. Los eventos por variable son 60 / 8 = 7,50, por debajo de la regla habitual de 10. Con 10 eventos por variable, los datos soportan 6 predictores. Para 8 predictores hacen falta 80 eventos, es decir, 400 pacientes con la misma tasa de eventos del 20,0 %.
Por qué es útil
La calculadora ayuda a investigadores de medicina que construyen modelos de predicción, a estudiantes de epidemiología y a científicos de datos que trabajan con resultados desequilibrados. Es una comprobación habitual al diseñar un estudio clínico o epidemiológico en un hospital o en un centro de investigación, antes de recoger los datos.
Conviene saber
La regla se refiere al sobreajuste: con muy pocos eventos, el modelo ajusta ruido, y su rendimiento en pacientes nuevos es peor que en los datos con los que se construyó. Técnicas como la regresión penalizada y la contracción ayudan, pero no eliminan el problema. Reduce el número de candidatos con el conocimiento del tema en lugar de con los datos, por ejemplo combinando variables cercanas o descartando las que tienen poca evidencia. Para un predictor continuo modelado con polinomios por tramos, cuenta cada término. Para una regresión lineal con resultado continuo, la referencia es más flexible, de unas 10 a 20 observaciones por predictor. Indica el número de eventos y de parámetros candidatos en tus métodos.
Herramientas relacionadas
La calculadora de regresión logística da probabilidades a partir de coeficientes, la de regresión lineal ajusta rectas, la de tamaño de muestra dimensiona las encuestas y la de R cuadrado mide el ajuste.