Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...
Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...
Modelos de Regresión Aditivos Estructurados (STAR) con respuesta ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Capítulo 3Metodología estadísticaEste capítulo <strong>de</strong>scribe los mo<strong>de</strong>los <strong>de</strong> regresión basados en un predictor aditivoestructurado (mo<strong>de</strong>los <strong>STAR</strong>). Estos mo<strong>de</strong>los <strong>de</strong> regresión son muy generalesy pue<strong>de</strong>n hacer frente a diferentes tipos <strong>de</strong> variables <strong>de</strong>pendientes y también <strong>con</strong>diferentes tipos <strong>de</strong> covariables. En la primera sección 3.1 <strong>de</strong> este capítulo, se da unabreve introducción en mo<strong>de</strong>los <strong>de</strong> regresión incluyendo la genaralización a mo<strong>de</strong>los<strong>STAR</strong>. La sección 3.2 trata los efectos <strong>de</strong> las distintas covariables y la sección 3.3aborda los distintos criterios <strong>de</strong> selección <strong>de</strong> los mo<strong>de</strong>los <strong>STAR</strong>.3.1. Mo<strong>de</strong>lo <strong>de</strong> <strong>Regresión</strong> Aditivo Estructurado(<strong>STAR</strong>)El objetivo <strong>de</strong>l análisis <strong>de</strong> regresión es medir la influencia <strong>de</strong> algunas variablesx j , j = 1, ..., q, llamadas covariables, en una variable y llamada <strong>respuesta</strong> o variablein<strong>de</strong>pendiente. El mo<strong>de</strong>lo más ampliamente usado es el mo<strong>de</strong>lo lineal clásico. Estemo<strong>de</strong>lo requiere una distribución gausiana en la variable <strong>respuesta</strong> (o bajo supuestosmenos estrictos que una <strong>con</strong>tinua). La relación entre la media <strong>con</strong>dicional <strong>de</strong> la<strong>respuesta</strong> y las covariables es que asume:E(y|x 1 , ..., x q ) = γ 0 + γ 1 x 1 + ... + γ q x q = γ ′ x =: η (3.1)A través <strong>de</strong> su valor y signo algebraico, los coeficientes <strong>de</strong> regresión γ 1 , ..., γ q <strong>de</strong>terminanla dirección y la fuerza <strong>de</strong> la influencia <strong>de</strong> sus covariables. El parámetro γ 0 esel término <strong>con</strong>stante o intercepto. El parámetro η es referido como predictor linealporque en la fórmula 3.1 es lineal en los coeficicentes <strong>de</strong> regresión y la relación entrecovariables y los valores esperados también son lineales.Si la variable <strong>respuesta</strong> ya no es una distribución gausiana pero pertenece a una familiaexponencial univariante, el mo<strong>de</strong>lo lineal generalizado pue<strong>de</strong> ser usado. Aquí,asumimos que el predictor lineal η y el valor esperado <strong>con</strong>dicional están vinculados25