Article

Modelos de regresión para variables expresadas como una proporción continua

Salud publica de Mexico (Impact Factor: 0.94). 01/2006; DOI: 10.1590/S0036-36342006000500006
Source: OAI

ABSTRACT Objetivo. Describir algunas de las alternativas estadísticas disponibles para el estudio de proporciones continuas y comparar los distintos modelos que existen para evidenciar sus ventajas y desventajas, mediante su aplicación a un ejemplo práctico del ámbito de la salud pública. Material y métodos. Con base en la Encuesta Nacional de Salud Reproductiva realizada en el año 2003, se modeló la proporción de cobertura individual en el programa de planificación familiar ¿propuesta en un estudio previo realizado en el Instituto Nacional de Salud Pública en Cuernavaca, Morelos, México (2005)¿ mediante el uso de los modelos de regresión normal, gama, beta y de quasi-verosimilitud. La variante del criterio de información de Akaike (AIC) que propusieron McQuarrie y Tsai se utilizó para definir el mejor modelo. A continuación, y mediante simulación (enfoque Monte Carlo/cadenas de Markov), se generó una variable con distribución beta para evaluar el comportamiento de los cuatro modelos al variar el tamaño de la muestra desde 100 hasta 18 000 observaciones. Resultados. Los resultados muestran que la mejor opción estadística para el análisis de proporciones continuas es el modelo de regresión beta, de acuerdo con sus supuestos y el valor de AIC. La simulación mostró que a medida que aumenta el tamaño de la muestra, el modelo gama y, en especial, el modelo de quasi-verosimilitud se aproximan en grado significativo al modelo beta. Conclusiones. Para la modelación de proporciones continuas se recomienda emplear el enfoque paramétrico de la regresión beta y evitar el uso del modelo normal. Si se tiene un tamaño de muestra grande, el uso del enfoque de quasiverosimilitud representa una buena alternativa.

0 Followers
 · 
234 Views
  • [Show abstract] [Hide abstract]
    ABSTRACT: Most cities are actually very concerned about the economic viability of waste management and also about the impact they may have on the environment. Economical, social and cultural factors in the population will determine the characteristics in waste and the value of the design parameters used in the calculations of a collection system. A clear understanding of these factors is fundamental to plan and to implement efficient and sustainable collecting strategies. Our goal in this work is to model municipal waste separation rates in Spanish cities with over 50,000 inhabitants taking their different socio-economic, demographic and logistic covariates into account. Several statistical regression models to manage continuous proportion data are compared, these being: Generalized linear models (GLM) with Binomial, Poisson and Gamma errors after several transformations of the data and Beta regression on the raw data. The best fits are obtained by using GLM Gamma and beta regression. Significant covariates for the different separation rates are obtained from these models, and the strength of the influence of all these factors on the response variable is calculated. All these results could be taken into account to design and to evaluate selective collection systems, and will allow us to make predictions on cities not included in this study.
    Resources Conservation and Recycling 10/2011; 55(12):1129-1138. DOI:10.1016/j.resconrec.2011.07.002 · 2.69 Impact Factor

Preview

Download
2 Downloads
Available from