PRECISIONES EN LA TEORÍA DE LOS MODELOS LOGÍSTICOS

ACCURACIES IN THE THEORY OF THE LOGISTIC MODELS

Se estudian los modelos logísticos, como una clase de modelos lineales generalizados (MLG). Se demuestra un teorema sobre la existencia y unicidad de las estimaciones de máxima verosimilitud (abreviadas por ML) de los parámetros logísticos y el método para calcularlas. Con base en una teoría asintótica para estas ML-estimaciones y el vector score, se encuentran aproximaciones para las diferentes desviaciones −2 log L, siendo L la función de verosimilitud. A partir de ellas se obtienen estadísticas para distintas pruebas de hipótesis, con distribución asintótica chi-cuadrada. La teoría asintótica se desarrolla para el caso de variables independientes y no idénticamente distribuidas, haciendo las modificaciones necesarias para la conocida situación de variables idénticamente distribuidas. Se hace siempre la distinción entre datos agrupados y no agrupados.

The logistic models are studied, as a kind of generalized lineal models. A theorem is showed about existence and uniqueness of ML-estimates of the estimation of the logistic regression coefficients and the method in order to calculate it. According to an asymptotic theory for this ML-estimates and the score vector, it has been founded approaching for different deviations −2 log L (in this expression, L is the function of maximum likelihood). In consequence, we have gotten statistics for different hypotheses test which is asymptotically chi-square. The asymptotic theory is developed for the independent variables and no distributed identically variables. It is made the difference between ungrouped and grouped data.

Precisiones en la teoría de los modelos logísticos Accuracies in the Theory of the Logistic Models HUMBERTO JESÚS LLINÁS¹

¹Universidad del Norte, Barranquilla, Colombia, Profesor. E-mail: hllinas@uninorte.edu.co

---

Resumen

Se estudian los modelos logísticos, como una clase de modelos lineales generalizados (MLG). Se demuestra un teorema sobre la existencia y unicidad de las estimaciones de máxima verosimilitud (abreviadas por ML) de los parámetros logísticos y el método para calcularlas. Con base en una teoría asintótica para estas ML-estimaciones y el vector score, se encuentran aproximaciones para las diferentes desviaciones σ2 log L, siendo L la función de verosimilitud. A partir de ellas se obtienen estadísticas para distintas pruebas de hipótesis, con distribución asintótica chi-cuadrada. La teoría asintótica se desarrolla para el caso de variables independientes y no idénticamente distribuidas, haciendo las modificaciones necesarias para la conocida situación de variables idénticamente distribuidas. Se hace siempre la distinción entre datos agrupados y no agrupados.

Palabras clave: variable de respuesta binaria, modelo lineal generalizado, teoría asintótica.

---

Abstract

The logistic models are studied, as a kind of generalized lineal models. A theorem is showed about existence and uniqueness of ML-estimates of the estimation of the logistic regression coefficients and the method in order to calculate it. According to an asymptotic theory for this ML-estimates and the score vector, it has been founded approaching for different deviations σ2 log L (in this expression, L is the function of maximum likelihood). In consequence, we have gotten statistics for different hypotheses test which is asymptotically chi-square. The asymptotic theory is developed for the independent variables and no distributed identically variables. It is made the difference between ungrouped and grouped data.

Key words: Binary response, Generalized linear model, Asymptotic theory.

---

Texto completo disponible en PDF

---

Referencias

1. Agresti, A. (1990), Categorical Data Analysis, 2nd edn, John Wiley and Sons, Inc., New York.

2. C.F,M. & McFadden, D., eds (1974),"Conditional logit analysis of qualitative choice behavior",Frontiers in Econometrics Applications, MA: MIT Press, Cambridge, pp. 105-142.

3. Dobson, A. J. (2002), An Introduction to Generalized Linear Models, 2 edn, Chapman & Hall, London.

4. Goodman, L. (1971), "The Analysis of Multidimensional Contingency Tables: Stepwise Procedures and Direct Estimation Methods for Building Models for Multiple Classifications", Technometrics (13), 33- 61.

5. Mc Cullagh, P. (1983), "Quasi-likelihood Functions", Annals of Statistics (11), 59- 67.

6. Mc Cullagh, P. & Nelder, J. (1983), Generalized Linear Models, 2 edn, Chapman and Hall, London.

7. Rao, C. (1973), Linear Statistical Inference and its Applications, 2 edn, JohnWiley and Sons, Inc., New York.

8. Theil, H. (1970), "On the Estimation of Relationships Involving Qualitative Variables", Amer. J. Sociol. (76), 103- 154.

9. Wedderburn, R. (1974), "Quasi-likelihood Functions, Generalized linear models and the Gauss-Newton Method", Biometrika (61), 439- 447.

10. Wedderburn, R. (1976), "On The Existence and Uniqueness of the Maximum Likelihood Estimates for Certain Generalized Linear Models", Biometrika (63), 27- 32.

11. Zacks, S. (1971), The Theory of Statistical Inference, 2nd edn, John Wiley and Sons Inc., New York.