Resumen
Pese a que la regresión logística es una de las técnicas estadísticas de análisis mas
usadas en ciencias sociales no está carente de ciertas limitaciones. El reducido tamaño de la
muestra y la presencia de casos perdidos son algunas de las situaciones que han sido
identificadas como problemáticas para la regresión logística. En este trabajo hemos
comparado la regresión logística dicotómica y el clasificador simple de Bayes en su habilidad
para predecir la tendencia emprendedora manipulando el número de eventos por variable. Una
muestra de estudiantes universitarios (N = 1230) respondió a cinco escalas (motivación,
actitud emprendedora, obstáculos, carencias y preparación percibida) que fueron utilizadas
como variables predictoras de la tendencia emprendedora y a un conjunto de tres preguntas
relativas a la tendencia emprendedora que fueron consideradas como variables de respuesta.
Nuestros resultados indican que el número de eventos por variable afecta más a la regresión
logística en términos del área bajo la curva ROC comparado con las redes bayesianas. Así
pues, proponemos que las redes bayesianas podrían considerarse como otra alternativa más,
junto a las ya existentes, para superar las debilidades de la regresión logística en determinadas
condiciones de ejecución.
Although logistic regression is one of the most commonly used data analysis
techniques in social sciences it is also true that it has some limitations. A reduced sample size
and the presence of missing data are some of the problems logistic regression can’t cope with.
In this work we compare the success of dichotomic logistic regression model and the Bayes
simple classifier to predict entrepreneurship after manipulating the sample size. A sample of
university undergraduate students (N = 1230) was asked to fill in five scales (motivation,
attitude towards business creation, obstacles, deficiencies and training needs) whose scores
were used as predictors and three questions referred to entrepreneurship tendency were
considered as outcomes. Our results show that the Receiver Operating Characteristic (ROC)
curve is affected by the number of events per variable in both techniques but logistic
regression seems to be more vulnerable. We propose to use Bayesian networks as an
additional alternative to surpass the weaknesses of logistic regression.