Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

ARTÍCULOS ORIGINALES

Vol. 4 Núm. 1 (2022): REBI, Revista Boliviana de Ingeniería

Modelo de regresión logística para el análisis del riesgo agrícola en la zona Sud del Departamento de Potosí

Publicado
2022-01-01

La regresión logística es un modelo estadístico utilizado para predecir el resultado de una variable categórica. El objetivo de este artículo es relacionar una serie de aspectos importantes para la aplicación de un modelo estadístico a la investigación de la gestión del riesgo agrícola. Se orientó en la investigación cuantitativa y el paradigma positivista tipo proyectiva, diseño no experimental, de campo. Utilizando como población la provincia Sud Chichas, Nor Chichas y Modesto Omiste. Se emplearon encuestas, análisis de riesgos. Se utilizaron la tabulación de encuestas mediante el SPSS. Los resultados fueron que las tres provincias sometidas a estudio cuentan con aproximadamente la misma ponderación en cuanto a su número de habitantes y se hace notar que no se toma en cuenta los datos del municipio de Atocha. Se concluye que, la variable dependiente refiere a 0 como la ausencia de la característica que interesa al estudio o llamado también control y se denota con 1 a la característica presente, vale decir el riesgo agrícola.

Sección:
ARTÍCULOS ORIGINALES

Citas

  1. Álvarez, C. Herrera, M., Herrera, E., y Araya, G. (2021). Investigation of Variables that Determine Levels of Self-Esteem in Central American Schoolchildren: A Binary Logistic Regression Model. MHSalud, 18(2). 1-22. DOI: https://doi.org/10.15359/mhs.18-2.2
  2. Andrade, G., y Arteaga, M. (2021). Riesgos laborales: Causas y consecuencias en tiempos de Covid-19. Revista Dominio de las Ciencias, 7(3). 247-265. http://dominiodelasciencias.com/ojs/index.php/es/index
  3. Barreiro M., y Useche, L. (2023). Métodos multivariantes para la construcción de índices compuestos en la gestión cultural: una revisión de la literatura. Minerva Journal, 9(10). 31-39. https://doi.org/10.47460/minerva.v4i10.93
  4. Camacho, J. (2022). Análisis de regresión logística aplicado al modelamiento espacial de las causas de deforestación en el departamento del Guaviare durante el periodo 2005-2020 y proyección de escenarios de deforestación a 2030.” Cuadernos de Geografía: Revista Colombiana de Geografía 31(2). 255-280. https://doi.org/10.15446/rcdg.v31n2.98012
  5. Departamento de Agricultura de Estados Unidos. (21 de abril de 2019). El Departamento de Agricultura de los Estados Unidos (USDA) Extiende su Iniciativa del Strike Force para impulsar el Crecimiento Rural y Oportunidades para Construir Economías Rurales. https://www.usda.gov/media/news-archives/informacion-y-servicios-del-united-states-department-agriculture-usda-por-sus
  6. García, R. García, G. González, D., y García, R. (2020). Modelo de regresión logística para estimar la dependencia según la escala de Lawton y Brody. Medicina de Familia. SEMERGEN, 36(7). 365-371. https://www.elsevier.es/es-revista-medicina-familia-semergen-40-articulo-modelo-regresion-logistica-estimar-dependencia-S1138359310001322
  7. Hernández, R., Fernández, C. y Baptista, P. (2014). Metodología de la investigación. México: Mc Graw Hill.
  8. Hurtado, J. (2006). El Proyecto de Investigación. Metodología de la investigación Holística. 4ª Edición ampliada. Quirón, Sypal, Caracas. 168 pp. https://www.geocities.ws/inesotilia28873/fase3/t3m3.html
  9. Llaugel, F., y Fernández, A. (2021). Evaluación del uso de modelos de regresión logística para el diagnóstico de instituciones financieras. Revista Ciencia y Sociedad, 36(4). 590-627. file:///Evaluacion_del_uso_de_modelos_de_regresion_logisti.pdf
  10. Organización para la Cooperación y el Desarrollo Económicos. (06 de julio 2023). Informe OCDE-FAO Perspectivas agrícolas 2023-2032 describe las principales tendencias en la producción, el consumo y el comercio. https://www.fao.org/venezuela/noticias/detail-events/fr/c/1644151/
  11. Ouorou, M. Aleixo, J., Caraciolo, R., y Álvarez, D. (2021). Modelos de Regresión Logística Multinomial Ordinal y Redes Neuronales Artificiales para la clasificación de madera aserrada. Revista Forestal Mesoamericana Kurú, 18(43).29-40. file:///Dialnet ModelosDeRegresionLogisticaMultinomialOrdinalYRede-8131067.pdf