Sobre la agrupación de niveles del factor explicativo en el modelo logit binario About Joining Explanation Factor Levels in the Binary Logit Model

Se discute el efecto que se produce sobre el modelo logit binario con un único factor explicativo cuando el investigador decide agrupar algunos niveles de dicho factor. Con base en la parametrización de referencia y el modelo saturado se sugiere un procedimiento que, aprovechando los cómputos de un...

Full description

Bibliographic Details
Main Authors: ERNESTO PONSOT BALAGUER, SURENDRA SINHA, ARNALDO GOITÍA
Format: Article
Language:English
Published: Universidad Nacional de Colombia 2009-01-01
Series:Revista Colombiana de Estadística
Subjects:
Online Access:http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512009000200001
_version_ 1818208917865365504
author ERNESTO PONSOT BALAGUER
SURENDRA SINHA
ARNALDO GOITÍA
author_facet ERNESTO PONSOT BALAGUER
SURENDRA SINHA
ARNALDO GOITÍA
author_sort ERNESTO PONSOT BALAGUER
collection DOAJ
description Se discute el efecto que se produce sobre el modelo logit binario con un único factor explicativo cuando el investigador decide agrupar algunos niveles de dicho factor. Con base en la parametrización de referencia y el modelo saturado se sugiere un procedimiento que, aprovechando los cómputos de un primer ajuste logit y corrigiendo el supuesto distribucional sobre la varianza, produce estimaciones más eficientemente y con mayor precisión que las que se producen si solo se decide reiterar un ajuste logit. Una vez colocado el tema en perspectiva, se desarrollan las ecuaciones que sustentan el procedimiento sugerido, apelando a la teoría asintótica. Se ilustra mediante un ejemplo la diferencia entre el procedimiento sugerido y el habitual y, con base en una extensa simulación, se muestran tendencias sólidas a favor del primero, en la medida en que las probabilidades de éxito de la variable respuesta (Y=1), asociadas con las categorías del factor explicativo incluidas en la agrupación, sean más disímiles entre sí.<br>We discuss the effect that is produced on the binary logit model with one explanatory factor, when the researcher decides to join some levels of the factor. Based on the reference parametrization and the saturated model a procedure is suggested, that takes advantage of the calculations of the first adjustment and corrects the distribucional supposition around the variance. As a result, it produces estimations more efficiently and with more precision, than those which take place if it is decided to repeat the usual logit fit. Once placed the topic in perspective, we develop the equations that support the suggested procedure, based on asymptotic theory. We illustrate with an example the difference between the suggested procedure and the usual one. By developing an extensive simulation, some solid trends appear in favour of the first one, especially when the probabilities of success of the response (Y=1), associated with the categories of the explanatory factor included in the group, are less similar each other.
first_indexed 2024-12-12T04:52:26Z
format Article
id doaj.art-d27d4f9df7104de1b4cfb8b05c1bee40
institution Directory Open Access Journal
issn 0120-1751
language English
last_indexed 2024-12-12T04:52:26Z
publishDate 2009-01-01
publisher Universidad Nacional de Colombia
record_format Article
series Revista Colombiana de Estadística
spelling doaj.art-d27d4f9df7104de1b4cfb8b05c1bee402022-12-22T00:37:27ZengUniversidad Nacional de ColombiaRevista Colombiana de Estadística0120-17512009-01-01322157187Sobre la agrupación de niveles del factor explicativo en el modelo logit binario About Joining Explanation Factor Levels in the Binary Logit ModelERNESTO PONSOT BALAGUERSURENDRA SINHAARNALDO GOITÍASe discute el efecto que se produce sobre el modelo logit binario con un único factor explicativo cuando el investigador decide agrupar algunos niveles de dicho factor. Con base en la parametrización de referencia y el modelo saturado se sugiere un procedimiento que, aprovechando los cómputos de un primer ajuste logit y corrigiendo el supuesto distribucional sobre la varianza, produce estimaciones más eficientemente y con mayor precisión que las que se producen si solo se decide reiterar un ajuste logit. Una vez colocado el tema en perspectiva, se desarrollan las ecuaciones que sustentan el procedimiento sugerido, apelando a la teoría asintótica. Se ilustra mediante un ejemplo la diferencia entre el procedimiento sugerido y el habitual y, con base en una extensa simulación, se muestran tendencias sólidas a favor del primero, en la medida en que las probabilidades de éxito de la variable respuesta (Y=1), asociadas con las categorías del factor explicativo incluidas en la agrupación, sean más disímiles entre sí.<br>We discuss the effect that is produced on the binary logit model with one explanatory factor, when the researcher decides to join some levels of the factor. Based on the reference parametrization and the saturated model a procedure is suggested, that takes advantage of the calculations of the first adjustment and corrects the distribucional supposition around the variance. As a result, it produces estimations more efficiently and with more precision, than those which take place if it is decided to repeat the usual logit fit. Once placed the topic in perspective, we develop the equations that support the suggested procedure, based on asymptotic theory. We illustrate with an example the difference between the suggested procedure and the usual one. By developing an extensive simulation, some solid trends appear in favour of the first one, especially when the probabilities of success of the response (Y=1), associated with the categories of the explanatory factor included in the group, are less similar each other.http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512009000200001modelo logitagregación de nivelesdatos agregadostablas de contingenciamodelo lineal generalizadoLogit modelJoining levelsAggregate dataContingency tablesGeneralized linear model
spellingShingle ERNESTO PONSOT BALAGUER
SURENDRA SINHA
ARNALDO GOITÍA
Sobre la agrupación de niveles del factor explicativo en el modelo logit binario About Joining Explanation Factor Levels in the Binary Logit Model
Revista Colombiana de Estadística
modelo logit
agregación de niveles
datos agregados
tablas de contingencia
modelo lineal generalizado
Logit model
Joining levels
Aggregate data
Contingency tables
Generalized linear model
title Sobre la agrupación de niveles del factor explicativo en el modelo logit binario About Joining Explanation Factor Levels in the Binary Logit Model
title_full Sobre la agrupación de niveles del factor explicativo en el modelo logit binario About Joining Explanation Factor Levels in the Binary Logit Model
title_fullStr Sobre la agrupación de niveles del factor explicativo en el modelo logit binario About Joining Explanation Factor Levels in the Binary Logit Model
title_full_unstemmed Sobre la agrupación de niveles del factor explicativo en el modelo logit binario About Joining Explanation Factor Levels in the Binary Logit Model
title_short Sobre la agrupación de niveles del factor explicativo en el modelo logit binario About Joining Explanation Factor Levels in the Binary Logit Model
title_sort sobre la agrupacion de niveles del factor explicativo en el modelo logit binario about joining explanation factor levels in the binary logit model
topic modelo logit
agregación de niveles
datos agregados
tablas de contingencia
modelo lineal generalizado
Logit model
Joining levels
Aggregate data
Contingency tables
Generalized linear model
url http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-17512009000200001
work_keys_str_mv AT ernestoponsotbalaguer sobrelaagrupaciondenivelesdelfactorexplicativoenelmodelologitbinarioaboutjoiningexplanationfactorlevelsinthebinarylogitmodel
AT surendrasinha sobrelaagrupaciondenivelesdelfactorexplicativoenelmodelologitbinarioaboutjoiningexplanationfactorlevelsinthebinarylogitmodel
AT arnaldogoitia sobrelaagrupaciondenivelesdelfactorexplicativoenelmodelologitbinarioaboutjoiningexplanationfactorlevelsinthebinarylogitmodel