5b9ae4a71ed18f49e2bcbaf38de82922 Ballesteros.pdf a341e35ac47161ee6992e52080a1b69a0f870ef0 Ballesteros.pdf af62ee7452824d31738a95053354e2887ee985bb237c2143bce3dc10560ebddd Ballesteros.pdf Title: Cómo interpretar regresiones logísticas binarias con Odds Ratio Marginales y Promedios de Efectos Marginales: una guía aplicada con Stata Subject: Artículo original Keywords: regresión logística binaria; análisis de regresión; análisis multivariante; modelo estadístico; promedio de efectos marginales; odds ratios marginales Author: Matías-Salvador Ballesteros Creator: Acrobat PDFMaker 26 para Word Producer: Adobe PDF Library 26.1.158 CreationDate: Wed Jun 10 11:10:06 2026 CEST ModDate: Wed Jun 10 12:01:53 2026 CEST Custom Metadata: yes Metadata Stream: yes Tagged: yes UserProperties: no Suspects: no Form: none JavaScript: no Pages: 13 Encrypted: no Page size: 595.32 x 841.92 pts (A4) Page rot: 0 File size: 422441 bytes Optimized: no PDF version: 1.6 name type encoding emb sub uni object ID ------------------------------------ ----------------- ---------------- --- --- --- --------- HWPJIA+Calibri TrueType WinAnsi yes yes yes 1143 0 WIAVKW+TimesNewRomanPSMT TrueType WinAnsi yes yes yes 1145 0 TBMDUC+Calibri-Bold TrueType WinAnsi yes yes yes 1147 0 LPLHMS+Calibri-Italic TrueType WinAnsi yes yes yes 1149 0 ZSMIAQ+Calibri-BoldItalic TrueType WinAnsi yes yes yes 56 0 WQYQKW+Consolas TrueType WinAnsi yes yes yes 58 0 Jhove (Rel. 1.28.0, 2023-05-18) Date: 2026-06-20 04:12:27 CEST RepresentationInformation: Ballesteros.pdf ReportingModule: PDF-hul, Rel. 1.12.4 (2023-03-16) LastModified: 2026-06-19 07:47:28 CEST Size: 422441 Format: PDF Version: 1.6 Status: Well-Formed and valid SignatureMatches: PDF-hul MIMEtype: application/pdf Profile: Tagged PDF PDFMetadata: Objects: 0 FreeObjects: 1 IncrementalUpdates: 0 DocumentCatalog: ViewerPreferences: HideToolbar: false HideMenubar: false HideWindowUI: false FitWindow: false CenterWindow: false DisplayDocTitle: true NonFullScreenPageMode: UseNone Direction: L2R ViewArea: CropBox ViewClip: CropBox PrintArea: CropBox PageClip: CropBox PageLayout: OneColumn PageMode: UseNone Language: es Outlines: Item: Title: Resumen Item: Title: Palabras clave Item: Title: Referencia recomendada Item: Title: Títol (català) Item: Title: Resum Item: Title: Paraules clau Item: Title: Title (English) Item: Title: Abstract Item: Title: Keywords Item: Title: 1. Introducción Children: Item: Title: 1.1. Problemas de Odds Ratio Condicionales (ORC) en regresión logística binaria Item: Title: 1.2. La alternativa de los PEM Item: Title: 1.3. La alternativa de los ORM y la diferencia con los PEM Item: Title: 2. Método Children: Item: Title: 2.1. Sintaxis en Stata explicada Children: Item: Title: 2.1.1. Sintaxis para PEM Item: Title: 2.1.2. Sintaxis para ORM Item: Title: 3. Resultados Children: Item: Title: 3.1. Lectura e interpretación de los PEM Item: Title: 3.2. Lectura e interpretación de los ORM Item: Title: 3.3. Síntesis comparativa entre ORC, PEM y ORM Item: Title: 4. Discusión Item: Title: Financiamiento del trabajo Item: Title: Agradecimientos Item: Title: Referencias Filters: FilterPipeline: FlateDecode FilterPipeline: DCTDecode Images: Image: NisoImageMetadata: FormatName: image/png ImageWidth: 288 ImageHeight: 87 ColorSpace: RGB BitsPerSample: 8 BitsPerSampleUnit: integer Filter: FlateDecode Name: X Image: NisoImageMetadata: FormatName: image/png ImageWidth: 88 ImageHeight: 31 BitsPerSample: 8 BitsPerSampleUnit: integer Filter: FlateDecode Name: X Image: NisoImageMetadata: FormatName: image/jpg CompressionScheme: JPEG ImageWidth: 463 ImageHeight: 153 ColorSpace: RGB BitsPerSample: 8 BitsPerSampleUnit: integer Name: X Image: NisoImageMetadata: FormatName: image/jpg CompressionScheme: JPEG ImageWidth: 1183 ImageHeight: 95 ColorSpace: RGB BitsPerSample: 8 BitsPerSampleUnit: integer Name: X Image: NisoImageMetadata: FormatName: image/png ImageWidth: 894 ImageHeight: 251 ColorSpace: RGB BitsPerSample: 8 BitsPerSampleUnit: integer Filter: FlateDecode Name: X Image: NisoImageMetadata: FormatName: image/png ImageWidth: 872 ImageHeight: 214 ColorSpace: RGB BitsPerSample: 8 BitsPerSampleUnit: integer Filter: FlateDecode Name: X Image: NisoImageMetadata: FormatName: image/png ImageWidth: 848 ImageHeight: 209 ColorSpace: RGB BitsPerSample: 8 BitsPerSampleUnit: integer Filter: FlateDecode Name: X Fonts: TrueType: Font: BaseFont: HWPJIA+Calibri FontSubset: true FirstChar: 32 LastChar: 250 FontDescriptor: FontName: HWPJIA+Calibri Flags: Nonsymbolic FontBBox: -503, -312, 1240, 1026 FontFile2: true Encoding: WinAnsiEncoding ToUnicode: true Font: BaseFont: ZSMIAQ+Calibri-BoldItalic FontSubset: true FirstChar: 32 LastChar: 120 FontDescriptor: FontName: ZSMIAQ+Calibri-BoldItalic Flags: Nonsymbolic, Italic FontBBox: -691, -306, 1330, 1039 FontFile2: true Encoding: WinAnsiEncoding ToUnicode: true Font: BaseFont: WIAVKW+TimesNewRomanPSMT FontSubset: true FirstChar: 32 LastChar: 51 FontDescriptor: FontName: WIAVKW+TimesNewRomanPSMT Flags: Serif, Nonsymbolic FontBBox: -568, -307, 2046, 1040 FontFile2: true Encoding: WinAnsiEncoding ToUnicode: true Font: BaseFont: WQYQKW+Consolas FontSubset: true FirstChar: 32 LastChar: 124 FontDescriptor: FontName: WQYQKW+Consolas Flags: Serif, Nonsymbolic FontBBox: -432, -302, 677, 1011 FontFile2: true Encoding: WinAnsiEncoding ToUnicode: true Font: BaseFont: TBMDUC+Calibri-Bold FontSubset: true FirstChar: 32 LastChar: 243 FontDescriptor: FontName: TBMDUC+Calibri-Bold Flags: Nonsymbolic FontBBox: -519, -349, 1263, 1039 FontFile2: true Encoding: WinAnsiEncoding ToUnicode: true Font: BaseFont: LPLHMS+Calibri-Italic FontSubset: true FirstChar: 32 LastChar: 250 FontDescriptor: FontName: LPLHMS+Calibri-Italic Flags: Nonsymbolic, Italic FontBBox: -725, -276, 1260, 1026 FontFile2: true Encoding: WinAnsiEncoding ToUnicode: true XMP: 2026-06-10T12:01:53+02:00 2026-06-10T11:10:06+02:00 2026-06-10T12:01:53+02:00 Acrobat PDFMaker 26 para Word uuid:79d5f17e-4e53-4507-a917-143fccbbf71f uuid:d5e1673c-31b9-4734-9f03-34faca78aeb5 292 application/pdf Cómo interpretar regresiones logísticas binarias con Odds Ratio Marginales y Promedios de Efectos Marginales: una guía aplicada con Stata Artículo original Matías-Salvador Ballesteros regresión logística binaria análisis de regresión análisis multivariante modelo estadístico promedio de efectos marginales odds ratios marginales © 2026 El autor. Este artículo es de acceso abierto sujeto a la licencia Reconocimiento 4.0 Internacional de Creative Commons, la cual permite utilizar, distribuir y reproducir por cualquier medio sin restricciones siempre que se cite adecuadamente la obra original. Adobe PDF Library 26.1.158 regresión logística binaria; análisis de regresión; análisis multivariante; modelo estadístico; promedio de efectos marginales; odds ratios marginales Universitat de Barcelona Introducción. Desde hace más de una década, distintos autores advierten sobre los problemas de comparabilidad cuando se informan Odds Ratio Condicionales en las regresiones logísticas. En este contexto, los Promedios de los Efectos Marginales (PEM) han ganado protagonismo como alternativa basada en probabilidades. Más recientemente, los Odds Ratios Marginales (ORM) se proponen como una medida relativa comparable entre modelos y poblaciones. Este trabajo tiene por objetivo presentar, comparar y ejemplificar el uso conjunto de ambas medidas. Método. Se utiliza un ejemplo empírico con una variable dependiente dicotómica y se estiman modelos de regresiones logísticas binarias. A partir de ellos, se calculan los PEM y ORM con Stata, mostrando los pasos para su obtención y cómo interpretarlos. Resultados. La utilización de PEM y ORM puede conducir a interpretaciones diferentes, en particular cuando se quiere comparar poblaciones con diferentes distribuciones de la variable dependiente. Discusión. Se concluye que PEM y ORM no son medidas sustitutas, sino complementarias, y que en ocasiones su uso conjunto puede permitir una interpretación más correcta de los resultados en investigaciones aplicadas. REIRE Revista d'Innovació i Recerca en Educació 19 2 2026 2013-2255 Universitat de Barcelona REIRE Revista d'Innovació i Recerca en Educació 10.1344/reire.52597 es https://revistes.ub.edu/index.php/REIRE/article/view/52597 https://doi.org/10.1344/reire.52597 True https://creativecommons.org/licenses/by/4.0/ ArtÃ�culo original Pages: Page: Sequence: 1 Annotations: Annotation: Subtype: Link Rect: 295, 641, 461, 658 Annotation: Subtype: Link Rect: 380, 268, 518, 287 Annotation: Subtype: Link Rect: 202, 212, 358, 230 Annotation: Subtype: Link Contents: P17#yIS1 Rect: 358, 214, 409, 231 Annotation: Subtype: Link Contents: P19#yIS1 Rect: 260, 169, 354, 197 Annotation: Subtype: Link Contents: P1#y1 Rect: 36, 781, 603, 826 Annotation: Subtype: Link Contents: P1#y2 Rect: 413, 778, 566, 829 Page: Sequence: 2 Page: Sequence: 3 Annotations: Annotation: Subtype: Link Rect: 492, 466, 496, 475 Flags: Print ActionDest: 1 Page: Sequence: 4 Page: Sequence: 5 Annotations: Annotation: Subtype: Link Rect: 469, 428, 473, 437 Flags: Print ActionDest: 1 Page: Sequence: 6 Page: Sequence: 7 Page: Sequence: 8 Page: Sequence: 9 Page: Sequence: 10 Page: Sequence: 11 Annotations: Annotation: Subtype: Link Rect: 163, 148, 167, 158 Flags: Print ActionDest: 1 Page: Sequence: 12 Page: Sequence: 13 Annotations: Annotation: Subtype: Link Rect: 343, 547, 517, 573 Annotation: Subtype: Link Rect: 304, 505, 467, 531 Annotation: Subtype: Link Rect: 386, 475, 560, 490 Annotation: Subtype: Link Rect: 54, 449, 164, 475 Annotation: Subtype: Link Rect: 232, 419, 560, 434 Annotation: Subtype: Link Rect: 54, 393, 247, 419 Annotation: Subtype: Link Rect: 353, 352, 510, 378 Annotation: Subtype: Link Rect: 89, 307, 560, 322 Annotation: Subtype: Link Rect: 54, 281, 150, 307 Annotation: Subtype: Link Rect: 230, 240, 375, 266 Annotation: Subtype: Link Rect: 349, 199, 553, 225 Annotation: Subtype: Link Rect: 315, 158, 481, 184 Annotation: Subtype: Link Rect: 286, 116, 449, 142 Checksum: 54623aa6 Type: CRC32 Checksum: 5b9ae4a71ed18f49e2bcbaf38de82922 Type: MD5 Checksum: a341e35ac47161ee6992e52080a1b69a0f870ef0 Type: SHA-1 Checksum: af62ee7452824d31738a95053354e2887ee985bb237c2143bce3dc10560ebddd Type: SHA-256