Estimación en modelos de regresión logística en muestras pequeñas. Un estudio de simulación usando una distribución previa escasamente informativa.

Resumen

En este trabajo se utilizaron simulaciones para comparar el rendimiento de las estimaciones clásica y bayesiana en modelos de regresión logística utilizando muestras pequeñas. En las simulaciones realizadas, las condiciones fueron variadas, incluyendo el tipo de relación entre los valores de las variables dependientes e independientes (es decir, los valores vinculados y no vinculados), el tipo de variable (binario y continuo), y diferentes valores de la distribución binomial y la simetría (distribuciones simétricas y con asimetría positiva). La aplicación Iterativa de la estimación de mínimos cuadrados ponderados se utilizó como método de estimación para ajustarse a los modelos, tanto en la estimación clásica como en la bayesiana. Una distribución de tipo escasamente informativa fue elegida como la distribución a priori para la estimación bayesiana. Los resultados de la simulación muestran que las estimaciones bayesianas proporcionan una distribución más estable, pero que no son capaces de resolver los problemas generados por distribuciones asimétricas basadas en muestras pequeñas. Será preciso plantear nuevos trabajos en el ámbito del estudio del efecto de las distribuciones asimétricas utilizando diferentes tipos de distribuciones a priori.