Modelos de regresión para proporciones
Acronym
P_REG-PROP
Consortium Coordinator
Valdivieso Serrano, Luis Hilmar
Start Date
2010
End Date
2010
Status
https://purl.org/pe-repo/concytec/estadoProyecto#concluido
Description
En muchas situaciones prácticas deseamos investigar como ciertas variables influyen en una variable continua que asume valores acotados y que pueden sin pérdida de generalidad transformarse al intervalo (0,1), tales como, porcentajes, proporciones, tasas, etc. Por ejemplo, la tasa de desnutrición de una cierta región puede ser influenciada por el PBI, o la fracción del gasto de un hogar destinado a alimentos puede ser influenciada por variables como el tamaño de la familia, el ingreso total de la familia, etc. En estos casos, los modelos de regresión pueden no ser apropiados para modelar este tipo de datos porque la variable respuesta sólo toma valores en un rango limitado y los valores estimados pueden caer fuera del rango. Una posible solución es transformar este tipo de datos para que asuman valores en toda la recta y modelarlos mediante una regresión. Este enfoque puede presentar varios problemas, uno de ellos es que los parámetros del modelo no sean fácilmente interpretables en términos de los datos originales. Otro problema es que generalmente las proporciones presentan asimetría, por lo tanto la usual suposición de normalidad resulta inadecuada. Una clase de distribuciones que permite modelar variables continuas limitadas al intervalo (0,1) es la distribución Beta. Dada su flexibilidad han surgido recientemente en la literatura propuestas de modelos de regresión basados en esta distribución, por ejemplo ver Ferrari y Cribari-Neto (2004) Por otro lado, otros investigadores como Kotz y van Dorp (2004) y García, Cruz y García (2009) han desarrollado nuevas distribuciones para variables que precisamente toman valores continuos en el intervalo (0,1). Es propósito por tanto de esta investigación implementar estas distribuciones u otras existentes en la literatura en un modelo de regresión alternativo a la Beta. Para esto consideraremos tanto un enfoque clásico como Bayesiano. El presente proyecto inicia una nueva línea de modelamiento de datos en nuevas
Keywords
Modelos de regresión
;
Datos proporcionales
;
Estadística
;
Inferencia
Área de conocimiento
Natural sciences
Campo OCDE
https://purl.org/pe-repo/ocde/ford#1.01.03