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

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.

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.        [ Links ]

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.        [ Links ]

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

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.        [ Links ]

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

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

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

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

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

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

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