Publicado
2018-12-21

Regresión Logística Bivariable para Tablas de Contingencia Usando Metodología GSK

DOI: https://doi.org/10.15332/2422474x.3714
Kelly Johana Henao Zuluaga
Universidad Nacional de Colombia, Sede Medellín
Juan Carlos Correa Morales
Universidad Nacional de Colombia, Sede Medellín
PDF

Resumen (es)

La regresión logística bivariable considera una respuesta que contiene dos variables dicótomas que son explicadas por un conjunto de variables y que permite tener en cuenta el nivel de asociación que existe entre las variables dicótomas a diferencia de los modelos marginales usualmente utilizados. Se desarrolla la metodología para la estimación de modelos logísticos bivariables para datos en tablas de contingencia utilizando metodología GSK. Esto incluye tanto la estimación del modelo como la evaluación de la calidad del modelo la cual incluye pruebas de hipótesis.

Palabras clave (es): Variable categórica, respuesta binaria, tablas de contingencia, metodología GSK.

Referencias

Agresti, A. (2013) Categorical data analysis. New Jersey: John Wiley & Sons.

Cengiz, M.A.(2005).Bayesian inference for bivariate generalized linear models in diagnosing renal arterial obstruction. Statistical Methodology,

Departamento Administrativo de Planeacion Municipio de Medelln. (2012) Encuesta de Calidad de Vida 2011.

Glonek, G.F., McCullagh, P.(1995). Multivariate logistic models. Journal of the royal statistical society. Series B (Methodological), 533-546.

Grizzle, J.E., Starmer, C.F. y Koch, G.G. (1969) Analysis of categorical data by linear models. Biometrics, Vol. 25, No. 3, pp. 489-504

Genest, C. y Neslehova, J. (2007) A Primer on Copulas for Count Data.

Astin Bulletin, Vol. 37, No. 2, pp. 475-515

Le Cessie, S. y Van Houwelingen, J. C. (1994) Logistic regression for correlated binary data. Journal of the Royal Statistical Society. Series C (Applied Statistics), Vol. 43, No. 1, pp. 95-108

McDonald, B.W. (1993) Estimating logistic regression parameters for bivariate binary data. Journal of the Royal Statistical Society. Series B (Methodological), 55(2):391-397.

R Core Team (2017),R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria.*http://www.Rproject.org/

Sering, R.J. (2002) Approximation Theorems of Mathematical Statistics.John Wiley Sons.

Schmidt, P. and Strauss,R.P. (1975). Estimation of models with jointly dependent qualitative variables: a simultaneous logit approach. Econometrica: Journal of the Econometric Society, 43(4):745-755

Stokes, M. E., Davis, C. S., y Koch, G. G. (2012).Categorical data analysis using SAS. SAS institute.

Rao, C. R., Toutenburg, H., Shalabh, H. C., Schomaker, M. (2008).Linear models and generalizations. Least Squares and Alternatives. Springer, Berlin.

Dimensions

PlumX

Visitas

705

Descargas

Los datos de descarga aún no están disponibles.

Cómo citar

Henao Zuluaga, K. J., & Correa Morales, J. C. (2018). Regresión Logística Bivariable para Tablas de Contingencia Usando Metodología GSK. Comunicaciones En Estadística, 11(2), 153-170. https://doi.org/10.15332/2422474x.3714

Licencia

Los autores mantienen los derechos sobre los artículos y por tanto  son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:

Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).

Comunicaciones en Estadística está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

La Universidad Santo Tomás conserva los derechos patrimoniales (copyright) de las obras publicadas, y favorece y permite la reutilización de las mismas bajo la licencia anteriormente mencionada.