Análisis de encuestas basado en diseño y modelos muestrales
Palabras clave:
observaciones binarias correlacionadas, inferencia basada en modelos, ecuaciones de estimación generalizadas, modelos marginales, modelos de efectos aleatorios, vocación emprendedoraResumen
En el presente trabajo se comparan dos métodos de análisis de encuestas: inferencia basada en diseño muestral (inferencia clásica) e inferencia basada en modelos, para el caso específico de datos binarios correlacionados.
Se propone la formulación de modelos marginales y de modelos mixtos basados en la función de verosimilitud completa. Se efectúa una aplicación concreta a un estudio de corte transversal en el cual la dependencia entre las observaciones se debe al submuestreo de unidades primarias alumnos encuestados dentro de facultades.
La variable respuesta es la presencia de vocación emprendedora en alumnos universitarios de economía, administración e ingeniería, y se estima la proporción de alumnos con vocación emprendedora en 0.4 bajo ambos métodos. El estudio realizado permite concluir que la inferencia basada en modelos otorga mayor flexibilidad de análisis que la inferencia clásica basada en diseño muestral.
Descargas
Referencias
Agresti, A. (2002). Categorical data analysis, 2nd.ed., John Wiley.
Diggle, R. (ed.) et al. (2002). Analysis of longitudinal data, 2nd ed., New York: Oxford University Press.
Fahrmeir, L. y Tutz, G. (2001). Multivariate statistical modelling based on generalized linear models, 2nd ed, New York: Springer-Verlag.
Liang, K. y Zeger, S. (1986). Longitudinal data analysis using generalized linear models. Biometrika, 73(1), 13-22.
Lipsitz, S. et al. (1994). Performance of generalized estimating equations in practical situations. Biometrics, 50, 270-278.
Longford, N. (1994). Logistic regression with random coefficients. Computational Statistics and Data Analysis, 17, 1-15.
McCullagh, R. y Nelder, J. (1989). Generalized linear models, 2nd ed., New York: Chapman & Hall.
McCulloch, C. y Searle, S. (2001). Generalized, linear and mixed models, John Wiley.
Rodríguez, G. y Goldman, N. (1995). An assessment of estimation procedures for multilevel models with binary response. Journal of the Royal Statistical Society, Ser. A, 158, 73-89.
SAS Institute Inc. (1999). SAS OnlineDoc [en cd-rom], version 8, Cary, NC, SAS Institute Inc.
Scheaffer, R.; Mendenhall, W. y Ott, L. (1987). Elementos de muestreo. México: Grupo Editorial Iberoamérica.
Spiess, M. y Hamerle, A. (2000). A comparison of different methods for the estimation of regression models with correlated binary responses. Computational Statistics & Data Analysis, 33(4), 439-455.
Zeger, S. y. Liang, K. (1986). Longitudinal data analysis for discrete and continuous outcomes. Biometrics, 4(2), 121-130.
Zeger, S.; Liang, K. y Albert, R. (1988). Models for longitudinal data: A generalized estimating equation approach. Biometrics, 44, 1049-1060.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2003 Universidad Nacional de Mar del Plata. Facultad de Ciencias Económicas y Sociales
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
