Censura y colinealidad en el modelo de regresión exponencial log-lineal

• Flaviano Godínez-Jaimes ^[1] ; Gustavo Ramírez-Valverde ^[2]
  1. [1] Universidad Autónoma de Guerrero

     Universidad Autónoma de Guerrero

     México

     
  2. [2] Instituto de Socioeconomía, Estadística e Informática, Colegio Postgraduados, Montecillo
• Localización: Agrociencia, ISSN 2521-9766, ISSN-e 1405-3195, Vol. 37, Nº. 3, 2003, págs. 267-275
• Idioma: español
• Títulos paralelos:
  • Censoring and collinearity in the log-linear exponential regression model
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En medicina, algunas veces es necesario evaluar si una variable es un factor de riesgo, lo que implica estimar parámetros y hacer pruebas de hipótesis. Cuando hay colinealidad entre las variables las pruebas pierden potencial, por lo que se pueden tomar decisiones incorrectas. Mediante simulación se estudió el efecto de la censura y la colinealidad en la estimación por máxima verosimilitud del modelo de supervivencia regresivo exponencial log-lineal. Los factores considerados en el estudio fueron: nivel de censura, grado de colinealidad, número de variables y orientación del vector de parámetros. La simulación involucró los cuatro factores anteriores y analizó su efecto en los números de condición escalados de la matriz de información observada, el error cuadrático medio y la suma de cuadrados de predicción. Los números de condición escalados fueron afectados por el número de variables y el grado de colinealidad. A mayor grado de colinealidad se tuvo mayor error cuadrático medio de los coeficientes estimados; este efecto fue mayor en los coeficientes estimados de los parámetros asociados a las variables involucradas en la relación colineal. El grado de censura tuvo un efecto semejante: a medida que la censura se incrementó, el error cuadrático medio de los coeficientes estimados aumentó. Sin embargo, los efectos fueron similares en todas las variables en el modelo. La suma de cuadrados de predicción fue afectada por el número de variables, la orientación del vector de parámetros y el nivel de censura.

  • English

    In medicine, sometimes it is necessary to evaluate if a variable represents a risk factor, which implies estimating parameters and making tests of hypothesis. When collinearity among the variables exists, statistical tests lose power which may lead to take wrong decisions. The effect of collinearity and censoring on the maximum likelihood estimates of the survival log-linear exponential regression model was studied. A simulation was conducted involving four factors: censoring level, degree of collinearity, number of variables and orientation of the vector of parameters. Simulation involved the aforemenhined factors and analyzed their effect on the scaled condition number of the observed information matrix, the mean square error and the sum of squares of prediction. The scaled condition numbers were affected by the number of variates and degree of collinearity. The mean square error of the estimated coefficients increased with collinearity; this effect was stronger in the estimated parameters involved in the collinear relationship. A similar effect was found for the censoring level: as the censoring level increased, the mean square error. However, in this case the effect was similar in all the variables in the model. The sum of squares of prediction was affected by the number of variables, orientation of the vector of parameters, and the censoring level.