Modelos lineales generalizados para variables de respuesta binaria bajo planes de muestreo complejo
Fecha
2014
Autores
Profesor Guía
Formato del documento
Tesis
ORCID Autor
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad de Valparaíso
Ubicación
ISBN
ISSN
item.page.issne
item.page.doiurl
Facultad
Facultad de Ciencias
Departamento o Escuela
Instituto de Estadistica
Determinador
Recolector
Especie
Nota general
Ingeniero en Estadística
Resumen
El principal objetivo de esta tesis es estudiar la regresión logística bajo planes de muestreo complejos, pero para llegar a esto se debe realizar una descripción de la regresión logística: formulas, usos y otras cosas. Para después mostrar cómo se debe realizar un análisis de regresión logística cuando el muestro utilizado es un muestreo aleatorio simple, acá se verán los pasos que se deben seguir en el análisis. Además, se buscara un método va simulación para estimar el tamaño muestral necesario para un correcto análisis de regresión logístico, cuando el muestreo a utilizar es el muestreo aleatorio simple. Por ejemplo para una población de 10.000 individuos se deben encuestar a 4500 individuos con un error estándar de estimación del 5% y un nivel de confianza del 95 %.
Al llegar al estudio de muestras complejas se analizan algunas variables de la encuesta CASEN en donde se puede ver la diferencia que existe al analizar una muestra compleja de forma errónea sin incorporar el plan de muestreo a la forma correcta incorporando el plan de muestreo. Al realizar estos análisis se pudo apreciar la gran diferencia que existe en los resultados al incorporar el plan de muestreo utilizado para la captura de los datos, comparando con no incorporarlo. Por otro lado para ver el tamaño muestral necesario cuando el plan de muestreo a utilizar es complejo, se simularon variables a partir de una base de datos real la que contenía el número de manzanas censales por comuna y el número de viviendas, después se obtuvo una muestra fija de 10 individuos por estrato y se calcularon los coeficientes de regresión logística y el efecto de diseño DEFF el que indica de cuanto más debe ser el tamaño de la muestra, ya que, al multiplicar el DEFF por el tamaño muestral se sabrá cual es el tamaño de muestra necesario para realizar un correcto análisis de regresión logístico.
Descripción
Lugar de Publicación
Auspiciador
Palabras clave
ANALISIS DE REGRESION, ANALISIS DE REGRESION LOGISTICA, MODELOS LINEALES, ESTADISTICA