Published
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 (Spanish)

Abstract (en)

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.

Keywords (en): Variable categórica, respuesta binaria, tablas de contingencia, metodología GSK.

References

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

Downloads

Download data is not yet available.

How to Cite

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

License

The authors maintain the rights to the articles and therefore they are free to share, copy, distribute, execute and publicly communicate the work under the following conditions:

Recognize the credits of the work in the manner specified by the author or licensor (but not in a way that suggests that, you have their support or that they support your use of their work).

Comunicaciones en Estadística is licensed under Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

Universidad Santo Tomás preserves the patrimonial rights (copyright) of the published works, and favors and allows the reuse of them under the aforementioned license.