Varias variables en un modelo de regresión logística

La interpretación de un único parámetro se mantiene cuando incluyes varias variables en un modelo. Si incluyes varias variables y pides la interpretación cuando una variable cambia, se asume que las demás variables permanecen constantes, sin cambios. Hay una expresión latina para esto, ceteris paribus, que literalmente significa «manteniendo las demás iguales».

Para construir un modelo de regresión logística con múltiples variables, puedes usar el signo + para añadir variables. Tu fórmula tendrá un aspecto similar a:

y ~ x1 + ... + xk

Para evaluar el modelo, hay varios aspectos a tener en cuenta. Ya has mirado los valores de los parámetros, pero no es lo único importante. También es relevante la significación estadística de una determinada estimación del parámetro. La significación de un parámetro suele referirse como p-valor, aunque en la salida del modelo la verás indicada como Pr(>|t|). En glm, una significación leve se indica con un "." y una muy fuerte con "***". Cuando un parámetro no es significativo, significa que no puedes asegurar que ese parámetro sea significativamente distinto de 0. La significación estadística es importante. En general, solo tiene sentido interpretar el efecto sobre el impago para los parámetros significativos.