Estimadores de regresión beta para la media poblacional en muestreo probabilístico: teoría y aplicaciones

En muestreo probabilístico es común tener información auxiliar disponible para los elementos de la población de interés. Los estimadores de regresión son un tipo de estimadores que hacen uso eficiente de dicha información auxiliar. En este trabajo se considera la estimación de la media de variables...

Descripción completa

Detalles Bibliográficos
Autores Principales: Pacheco Lopez, Mario José, Tellez Piñerez, Cristian Fernando
Otros Autores: https://orcid.org/0000-0003-0552-9643
Formato: Desconocido (Unknown)
Publicado: 2020
Materias:
Acceso en línea:http://hdl.handle.net/11634/22602
id ir-11634-22602
recordtype dspace
institution Universidad Santo Tomas
collection DSpace
topic Auxiliary information
Beta distribution
Beta regression models
Maximum pseudo likelihood
Regression estimators
Polls
Quality of life  
Información auxiliar
Distribución beta
Modelos de regresión beta
Máxima pseudo verosimilitud
Estimadores de regresión
Encuestas
Calidad de vida
spellingShingle Auxiliary information
Beta distribution
Beta regression models
Maximum pseudo likelihood
Regression estimators
Polls
Quality of life  
Información auxiliar
Distribución beta
Modelos de regresión beta
Máxima pseudo verosimilitud
Estimadores de regresión
Encuestas
Calidad de vida
Pacheco Lopez, Mario José
Tellez Piñerez, Cristian Fernando
Estimadores de regresión beta para la media poblacional en muestreo probabilístico: teoría y aplicaciones
description En muestreo probabilístico es común tener información auxiliar disponible para los elementos de la población de interés. Los estimadores de regresión son un tipo de estimadores que hacen uso eficiente de dicha información auxiliar. En este trabajo se considera la estimación de la media de variables beta distribuidas. Se propone la construcción de un estimador de regresión beta (BREG) para situaciones en las que la variable de interés está restringida a un intervalo (0,1) y está relacionada con variables auxiliares a través de una estructura de regresión lineal o no lineal. También se tratan los casos importantes de modelos de regresión beta 0-1 inflados y de dispersión variable. Ilustraremos la metodología a través de una aplicación con información proveniente del DANE de las encuestas de hogares, particularmente, la encuesta de calidad de vida.
author2 https://orcid.org/0000-0003-0552-9643
author_facet https://orcid.org/0000-0003-0552-9643
Pacheco Lopez, Mario José
Tellez Piñerez, Cristian Fernando
format Desconocido (Unknown)
author Pacheco Lopez, Mario José
Tellez Piñerez, Cristian Fernando
author_sort Pacheco Lopez, Mario José
title Estimadores de regresión beta para la media poblacional en muestreo probabilístico: teoría y aplicaciones
title_short Estimadores de regresión beta para la media poblacional en muestreo probabilístico: teoría y aplicaciones
title_full Estimadores de regresión beta para la media poblacional en muestreo probabilístico: teoría y aplicaciones
title_fullStr Estimadores de regresión beta para la media poblacional en muestreo probabilístico: teoría y aplicaciones
title_full_unstemmed Estimadores de regresión beta para la media poblacional en muestreo probabilístico: teoría y aplicaciones
title_sort estimadores de regresión beta para la media poblacional en muestreo probabilístico: teoría y aplicaciones
publishDate 2020
url http://hdl.handle.net/11634/22602
_version_ 1712103949038780416
spelling ir-11634-226022020-10-05T13:07:20Z Estimadores de regresión beta para la media poblacional en muestreo probabilístico: teoría y aplicaciones Pacheco Lopez, Mario José Tellez Piñerez, Cristian Fernando https://orcid.org/0000-0003-0552-9643 https://orcid.org/0000-0003-3869-1831 http://scholar.google.es/citations?user=a5SEoPgAAAAJ&hl=es https://scholar.google.es/citations?user=PJ6JUFwAAAAJ&hl=es http://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000775479 http://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000016463 Auxiliary information Beta distribution Beta regression models Maximum pseudo likelihood Regression estimators Polls Quality of life   Información auxiliar Distribución beta Modelos de regresión beta Máxima pseudo verosimilitud Estimadores de regresión Encuestas Calidad de vida En muestreo probabilístico es común tener información auxiliar disponible para los elementos de la población de interés. Los estimadores de regresión son un tipo de estimadores que hacen uso eficiente de dicha información auxiliar. En este trabajo se considera la estimación de la media de variables beta distribuidas. Se propone la construcción de un estimador de regresión beta (BREG) para situaciones en las que la variable de interés está restringida a un intervalo (0,1) y está relacionada con variables auxiliares a través de una estructura de regresión lineal o no lineal. También se tratan los casos importantes de modelos de regresión beta 0-1 inflados y de dispersión variable. Ilustraremos la metodología a través de una aplicación con información proveniente del DANE de las encuestas de hogares, particularmente, la encuesta de calidad de vida. In probabilistic sampling it is common to have auxiliary information available for the elements of the population of interest. Regression estimators are a type of estimator that makes efficient use of this auxiliary information. In this work the estimation of the mean of distributed beta variables is considered. The construction of a beta regression estimator (BREG) is proposed for situations in which the variable of interest is restricted to an interval (0.1) and is related to auxiliary variables through a linear or nonlinear regression structure. Important cases of inflated and variable dispersion beta 0-1 regression models are also discussed. We will illustrate the methodology through an application with information from DANE from household surveys, particularly the quality of life survey. http://unidadinvestigacion.usta.edu.co 2020-04-20T15:42:01Z 2020-04-20T15:42:01Z 2019-08 Formación de Recurso Humano para la Ctel: Proyecto ejecutado con investigadores en empresas, industrias y Estado http://hdl.handle.net/11634/22602 https://doi.org/10.15332/dt.inv.2020.01349 Binder, D. A. (1983). On the variances of asymptotically normal estimators from complex surveys. International Statistical Review 51, 279-292. Breidt, F. J., Opsomer, J. D. (2000). Local polynomial regression estimators in survey sampling. Annals of Statistics 28, 1026-1053. Cassel, C. M., Särndal, C. E., Wretman, J. (1976). Foundations of Inference in Survey Sampling. Wiley, New York, United States. Chen, J., Qin, J. (1993). Empirical likelihood estimation for finite populations and the efectivene usage of auxiliary information. Biometrika 80, 107-116. Departamento Administrativo Nacional de Estadística (DANE) (2019). Metodología general encuesta nacional de calidad de vida - ECV.. Bogotá D.C. Deville, J. C., Särndal, C. E. (1992). Calibration estimators in survey sampling. Journal of the American Statistical Association 87, 376-382. Ferrari S. L. P. and Cribari-Neto F. (2004). Beta regression for modelling rates and proportions. Journal of Applied Statistics 31, 7, 799-815. Kennel, T. L.,Valliant, R. (2010). Losgistic generalized regression (LGREG) estimator in cluster samples. Proceedings of the section on survey research methods, Washington D.C., American Statistical Association, 4756-4770. Lehtonen, R., Veijanen, A. (1998). Logistic generalized regression estimators. Survey Methodology 24, 51-55. Ospina, R., Ferrari, S. L. P. (2012). A general class of zero-or-one inflated beta regression models. Computational Statistics and Data Analysis 56, 1609-1623. Rondon, L. M., Vanegas, L. H., Ferraz, C. (2012). Finite population estimation under generalized linear model assistance. Computational Statistics and Data Analysis 56, 680-697. Särndal, C. E. (1980). On π -inverse weighting versus best linear unbiased weighting in probability sampling. Biometrika 67, 639-650. Simas, A., Barreto-Souza, W., Rocha, A. V. (2010). Improved estimators for a general class of beta regression models. Computational Statistics and Data Analysis 56, 1609-1623. Smithson, M. and Verkuilen, J. (2006). A better lemon squeezer? Maximum-likelihood regression with beta-distributed dependent variables. Psychological Methdos 11, 54-71. Atribución-NoComercial-CompartirIgual 2.5 Colombia http://creativecommons.org/licenses/by-nc-sa/2.5/co/ application/pdf application/pdf application/vnd.openxmlformats-officedocument.wordprocessingml.document application/pdf image/jpeg CRAI-USTA Bogotá
score 12,131701