Evaluación de criterios de bondad de ajuste para modelos logit marginales

Gabriela Susana Boggio

Resumen


En este trabajo se estudia el comportamiento de medidas de bondad de ajuste de modelos logit marginales para datos binarios correlacionados. Algunas de ellas son de carácter descriptivo, basadas generalmente en la noción de pérdida incurrida al usar un modelo aproximado para describir la realidad, y otras constituyen estadísticas globales de bondad de ajuste. En general son extensiones naturales de las disponibles para el caso de modelos logit clásicos, es decir bajo el supuesto de independencia de las observaciones. Para la evaluación de estas medidas se realiza un estudio por simulación mediante la utilización de un algoritmo simple de generación de datos con estructura de asociación intra-unidad constante. Entre las estadísticas de tipo descriptivo se destaca el buen comportamiento de la extensión del criterio de Akaike, la cual constituye una medida útil para seleccionar el mejor subconjunto de covariables a incluir en el modelo. En lo que se refiere a los tests globales de bondad de ajuste, la extensión de la prueba chi cuadrado de Pearson y la basada en la suma no ponderada de residuos son las que presentan en general mejor comportamiento en cuanto al control del error tipo I, si bien la potencia resulta baja.

Palabras clave


Datos binarios correlacionados; Modelos marginales; Bondad de ajuste

Texto completo:

PDF HTML



Licencia Creative Commons
Licencia Creative Commons Atribución-CompartirIgual 4.0 Internacional.