1Departamento de Estatística, Universidade Federal de Pernambuco, Cidade Universitária, Recife/PE, 50740-540, Brasil. E-mail: artur@cox.de.ufpe.br
2Departamento de Estatística, Universidade Federal de Pernambuco, Cidade Universitária, Recife/PE, 50740-540, Brasil. E-mail:hernando@cox.de.ufpe.br
Presentamos un estudio que evalúa y compara el desempeño de puebas de hipótesis e intervalos de confianza basados en la estadística de Wald con los basados en la estadística de razón de verosimilitud para los modelos logit y probit. Esta comparación se hace a través de las tasas de cobertura de los intervalos de confianza, tasas superior e inferior de los intervalos de confianza, y la potencia de la prueba de significancia. Se emplearon métodos de simulación de Monte Carlo. También se compararon las estadísticas de Wald y de razón de verosimilitud en los modelos logit y probit en presencia de errores en la especificación del modelo.
]]> Palabras Clave: Modelo logit, modelo probit, error de especificación, simulación de Monte Carlo, test de razón de verosimilitud, test de Wald.
In this paper we present a study which evaluates and compares the performance of hypothesis testing and confidence intervals based on Wald"s statistic with those based on the likelihood ratio statistic for probit and logit models. We compare the rate of coverage of the confidence intervals, the maximum and minimum confidence interval coverage rate, and the power of the significance tests employing Monte Carlo simulation methods. The Wald and likelihood ratio statistics are also compared for the logit and probit models in the presence of errors in model specification.
Keywords: Logit model, Probit model, Specification errors, Monte Carlo methods, Likelihood ratio test, Waldás test.
Texto completo disponible en PDF
Referencias
1. Doornik, J. (2001), Ox: An Object-Oriented Matrix Language, 4 edn, Timberlake Consultants Press, London. [ Links ]
2. Hauck, W. W. & Donner, A. (1977), "Wald"s test as applied to hipotesis in logit analysis", JASA 72, 851- 853. [ Links ]
3. Hosmer, D. & Lemeshow, S. (1989), Applied Logistic Regression, Wiley & Sons, New York. [ Links ]
4. Jennings, D. E. (1986), "Judgind inference adequacy logistic regression", JASA 81, 471- 476. [ Links ]
5. McCullagh, P. & Nelder, J. (1989), Generalized Linear Models, Chapman & Hall, New York. [ Links ] ]]>