La separación en regresión logística, una solución y aplicación

Fuente: Redalyc
Salvato in:
Dettagli Bibliografici
Autore principale: Juan C. Correa M
Natura: Artículo científico
Lingua:es
Pubblicazione: Universidad de Antioquia 2011
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
_version_ 1876444995624370176
author Juan C. Correa M
author_facet Juan C. Correa M
contents La separación en regresión logística, una solución y aplicación Juan C. Correa M Marisol Valencia C. Salud menarquia Modelo logístico estimación de máxima verosimilitud La regresión logística es una de las técnicas estadísticas más aplicadas cuando se busca explicar el comportamiento probabilístico de algún fenómeno. Un problema que aparece con frecuencia en estos modelos es la separación en los datos, mostrando los grupos de éxitos separados de los fracasos, lo que impide hallar los estimadores de máxima verosimilitud. Objetivo: Presentar una revisión y solución del problema, comparando con otras existentes. Metodología: Simulación del modelo logístico y estimación del sesgo de los parámetros, usando la solución propuesta con el método clásico. Bayesiano y observaciones ficticias y con el método de Firth. Resultados: Los sesgos encontrados son menores al generar el par de observaciones ficticias con el método Bayesiano. Se muestra un ejemplo sobre la edad de la menarquia. Discusión: Se aporta una solución adecuada al problema de la separación usando simulación en un esquema de modelo logístico sencillo. Conclusiones: la generación de observaciones ficticias se recomienda dentro de la región de separación y el mejor método de solución está basado en la teoría bayesiana, donde se logra una convergencia en los parámetros del modelo logístico. 2011 artículo científico 0120-386X https://www.redalyc.org/articulo.oa?id=12021452008 es http://www.redalyc.org/revista.oa?id=120 Revista Facultad Nacional de Salud Pública application/pdf Universidad de Antioquia Revista Facultad Nacional de Salud Pública (Colombia) Num.3 Vol.29
format Artículo científico
id redalyc_12021452008
institution Redalyc
language es
publishDate 2011
publisher Universidad de Antioquia
spellingShingle La separación en regresión logística, una solución y aplicación
Juan C. Correa M
Salud
menarquia
Modelo logístico
estimación de máxima verosimilitud
La separación en regresión logística, una solución y aplicación Juan C. Correa M Marisol Valencia C. Salud menarquia Modelo logístico estimación de máxima verosimilitud La regresión logística es una de las técnicas estadísticas más aplicadas cuando se busca explicar el comportamiento probabilístico de algún fenómeno. Un problema que aparece con frecuencia en estos modelos es la separación en los datos, mostrando los grupos de éxitos separados de los fracasos, lo que impide hallar los estimadores de máxima verosimilitud. Objetivo: Presentar una revisión y solución del problema, comparando con otras existentes. Metodología: Simulación del modelo logístico y estimación del sesgo de los parámetros, usando la solución propuesta con el método clásico. Bayesiano y observaciones ficticias y con el método de Firth. Resultados: Los sesgos encontrados son menores al generar el par de observaciones ficticias con el método Bayesiano. Se muestra un ejemplo sobre la edad de la menarquia. Discusión: Se aporta una solución adecuada al problema de la separación usando simulación en un esquema de modelo logístico sencillo. Conclusiones: la generación de observaciones ficticias se recomienda dentro de la región de separación y el mejor método de solución está basado en la teoría bayesiana, donde se logra una convergencia en los parámetros del modelo logístico. 2011 artículo científico 0120-386X https://www.redalyc.org/articulo.oa?id=12021452008 es http://www.redalyc.org/revista.oa?id=120 Revista Facultad Nacional de Salud Pública application/pdf Universidad de Antioquia Revista Facultad Nacional de Salud Pública (Colombia) Num.3 Vol.29
title La separación en regresión logística, una solución y aplicación
topic Salud
menarquia
Modelo logístico
estimación de máxima verosimilitud
url https://www.redalyc.org/articulo.oa?id=12021452008