En estadística , probit ordenado es una generalización del análisis probit ampliamente utilizado al caso de más de dos resultados de una variable dependiente ordinal (una variable dependiente para la cual los valores potenciales tienen un orden natural, como en pobre, regular, bueno, excelente ). De manera similar, el método logit ampliamente utilizado también tiene un logit ordenado contraparte . El probit ordenado, como el logit ordenado, es un método particular de regresión ordinal .
Por ejemplo, en la investigación clínica , el efecto que un fármaco puede tener en un paciente puede modelarse con una regresión probit ordenada. Las variables independientes pueden incluir el uso o no del fármaco, así como variables de control como la edad y detalles del historial médico como si el paciente padece hipertensión arterial , enfermedad cardíaca, etc. La variable dependiente se clasificaría a partir de la lista siguiente: curación completa, alivio de los síntomas, ningún efecto, deterioro de la condición, muerte.
Otro ejemplo de aplicación son los elementos de tipo Likert que se emplean comúnmente en la investigación de encuestas, donde los encuestados califican su acuerdo en una escala ordenada (por ejemplo, "Totalmente en desacuerdo" a "Totalmente de acuerdo"). El modelo probit ordenado proporciona un ajuste apropiado a estos datos, preservando el orden de las opciones de respuesta sin hacer suposiciones de las distancias de intervalo entre las opciones. [1]
Fundamentos conceptuales
Suponga que la relación subyacente a caracterizar es [2]
- ,
dónde es la variable dependiente exacta pero no observada (quizás el nivel exacto de mejoría del paciente); es el vector de variables independientes, y es el vector de coeficientes de regresión que deseamos estimar. Supongamos además que, si bien no podemos observar, en cambio, solo podemos observar las categorías de respuesta:
Entonces, la técnica probit ordenada utilizará las observaciones en , que son una forma de datos censurados sobre , para ajustar el vector de parámetros .
Estimacion
El modelo no se puede estimar de manera consistente utilizando mínimos cuadrados ordinarios ; por lo general, se estima utilizando la máxima verosimilitud . Para obtener detalles sobre cómo se estima la ecuación, consulte el artículo Regresión ordinal .
Referencias
- ^ Liddell, T; Kruschke, J (2018). "Analizar datos ordinales con modelos métricos: ¿Qué podría salir mal?" (PDF) . Revista de Psicología Social Experimental . 79 : 328–348. doi : 10.1016 / j.jesp.2018.08.009 .
- ^ Greene, William H. (2012). Análisis econométrico (Séptima ed.). Boston: Educación de Pearson. págs. 827–831. ISBN 978-0-273-75356-8.
Otras lecturas
- Becker, William E .; Kennedy, Peter E. (1992). "Una exposición gráfica del Probit ordenado". Teoría econométrica . 8 (1): 127-131. doi : 10.1017 / S0266466600010781 .