Funciones de enlace alternativas en modelos de respuesta binomial

Malinda Coa Ravelo, Ernesto Ponsot Balaguer

Resumen


En esta investigación se consideran funciones de enlace alternativas a la función logit en el ajuste de modelos de respuesta binomial. El modelo logit es el más utilizado en el análisis de datos categóricos con respuesta dicotómica; sin embargo, algunas funciones de enlace alternativas pueden ser más apropiadas en aplicaciones concretas. Junto al enlace logit, se exploran en este trabajo los enlaces probit, cauchit, cloglog, loglog, clog y log. Partiendo del modelo binomial saturado, para cada enlace mencionado, se desarrollan las ecuaciones necesarias para el cómputo de los estimadores y de sus varianzas, y se discute su comportamiento en algunas situaciones, sugiriendo al investigador sobre el modelo apropiado a seleccionar de acuerdo a los objetivos que persiga.

Palabras clave


Modelos lineales generalizados, función de enlace, modelos de respuesta binomial, estimación

Texto completo:

PDF

Referencias


Agresti, Alan (2015). Foundations of linear and generalized linear models. New Jersey: John Wiley & Sons, 480 pp. DOI: 10.1111/biom.12759.

Collett, David (2002). Modelling binary data. Second Edition. EEUU: Chapman & Hall, 408 pp. DOI: 10.1201/b16654.

Czado, Claudia y Munk, Axel (2000). “Noncanonical links in generalized linear models-when is the effort justified?”. Journal of statistical planning and inference, 87, 2 (June, 2000), pp. 317-345. DOI: 10.1016/s0378-3758(99)00195-0.

Czado, Claudia y Santner, Thomas (1992). “The effect of link misspecification on binary regression inference”. Journal of statistical planning and inference, 33, 2 (November, 1992), pp. 213-231. DOI: 10.1016/0378-3758(92)90069-5.

Dobson, Annette (2002). An introduction to generalized linear models. Second Edition. Florida: Chapman & Hall, 225 pp. DOI:10.1201/9781420057683.

Enchautegui, María (2000)."Módulo de estudio sobre modelos Probit y Logit." Puerto Rico: Universidad de Puerto Rico, 772 pp.

Hardin, James y Hilbe, Joseph (2007). Generalized linear models and extensions. Fourth Edition. Texas: Stata Press, 598 pp.

Hilbe, Joseph (2009). Logistic regression models. First Edition. New York: Chapman & Hall, 656 pp. DOI: 10.1201/9781420075779.

Hosmer, David y Lemeshow, Stanley (2000). Applied logistic regression. Second Edition. Canada: John Wiley & Sons, 383 pp. DOI:10.1002/0471722146.

Koenker, Roger y Yoon, Jungmo (2009). “Parametric links for binary choice models: A fisherian-bayesian colloquy”. Journal of Econometrics, 152, 2 (October, 2009), pp. 120-130. DOI: 10.1016/j.jeconom.2009.01.009.

Li, Jingwei (2014). Choosing the proper link function for binary data. Tesis doctoral no publicada. Austin: The University of Texas, 37 pp.

McCullagh, Peter y Nelder, John (1989). Generalized linear models. Second Edition. London: Chapman & Hall, 532 pp. DOI: 10.1007/978-1-4899-3242-6.

McCulloch, Charles y Searle, Shayle (2000). Generalized linear, and mixed models. First Edition. New York: John Wiley & Sons Inc, 335 pp. DOI: 10.1002/0471722073.

Nelder, John y Wedderburn, Robert (1972). “Generalized Linear Models”. Journal of the Royal Statistical Society, 135, 3, pp. 370-384. DOI: 10.2307/2344614.

Piegorsch, Walter (1992). “Complementary log regression for generalized linear models”. The American Statistician, 46, 2 (May, 1992), pp. 94-99. DOI: 10.1080/00031305.1992.10475858.

Ponsot, Ernesto (2011). Estudio de la agrupación de niveles del factor en el modelo logit binomial. Tesis doctoral. Mérida, Venezuela: Instituto de Estadística Aplicada y Computación de la Universidad de Los Andes, 2011, 179 pp.

Tutz, Gerhard (2011). Regression for categorical data. UK: Cambridge University Press, 561 pp. DOI: 10.1017/cbo9780511842061


Enlaces refback

  • No hay ningún enlace refback.


ISSN 1315-2467 ISSNe 2343-5704

Redes Sociales

Twitter: @revecono
Facebook: Revecono
Instagram: @revecono

Se encuentra actualmente indizada en:

 

Creative Commons License
Todos los documentos publicados en esta revista se distribuyen bajo una
Licencia Creative Commons Atribución -No Comercial- Compartir Igual 4.0 Internacional.
Por lo que el envío, procesamiento y publicación de artículos en la revista es totalmente gratuito.