Se encontraron 5 investigaciones en el año 2014
Una limitación de los modelos clásicos de regresión es que estos asumen un conjunto de supuestos acerca de la naturaleza de las variables consideradas. Supuestos usuales son asumir normalidad en los errores, varianza constante (homocedasticidad) y que uno realice regresión siempre sobre la media de la variable dependiente. No obstante, existen situaciones en las que la validez y la utilidad de estos supuestos es cuestionable. Un caso de reciente interés es el análisis de una variable continua que asume valores acotados y que puede sin pérdida de generalidad transformarse al intervalo [0,1]. En tal situación el supuesto de normalidad es inadecuado, ya que esta distribución tiene soporte en toda la recta y no se limita al intervalo (0,1). Además la variablidad de los errores tiende aquí a disminuir al acercarnos a los extremos 0 y 1, violando la homocedasticidad. De otro lado, ha surgido recientemente en la literatura interés en realizar un análisis no sólo sobre la media de la variable respuesta sino también sobre sus cuantiles. En este proyecto se plantea estudiar y proponer nuevos modelos de regresión para variables limitadas, considerando (1) modelos que sean más flexibles y más robustos a la presencia de outliers, (2) modelos para datos fraccionales y (3) modelos de regresión cuantílica. En particular consideraremos los modelos de regresión para datos fraccionales siguiendo la propuesta de Bayes y Valdivieso (2013), extensiones del modelo de regresión Beta Rectangular (Bayes, Bazán y García, 2012) como su extensión a un modelo lineal mixto para variables limitadas con esta distribución y modelos de regresión para la mediana o regresión cuantílica cuando la variable dependiente sea limitada. Se explorarán también nuevas distribuciones para proporciones que tengan mejores propiedades que la distribución Beta y la metodología Bayesiana para todos estos modelos.
Participantes:
Instituciones participantes:
Una limitación de los modelos clásicos de regresión es que estos asumen un conjunto de supuestos acerca de la naturaleza de las variables consideradas. Supuestos usuales son asumir normalidad en los errores, varianza constante (homocedasticidad) y que uno realice regresión siempre sobre la media de la variable dependiente. No obstante, existen situaciones en las que la validez y la utilidad de estos supuestos es cuestionable. Un caso de reciente interés es el análisis de una variable continua que asume valores acotados y que puede sin pérdida de generalidad transformarse al intervalo [0,1]. En tal situación el supuesto de normalidad es inadecuado, ya que esta distribución tiene soporte en toda la recta y no se limita al intervalo (0,1). Además la variablidad de los errores tiende aquí a disminuir al acercarnos a los extremos 0 y 1, violando la homocedasticidad. De otro lado, ha surgido recientemente en la literatura interés en realizar un análisis no sólo sobre la media de la variable respuesta sino también sobre sus cuantiles. En este proyecto se plantea estudiar y proponer nuevos modelos de regresión para variables limitadas, considerando (1) modelos que sean más flexibles y más robustos a la presencia de outliers, (2) modelos para datos fraccionales y (3) modelos de regresión cuantílica. En particular consideraremos los modelos de regresión para datos fraccionales siguiendo la propuesta de Bayes y Valdivieso (2013), extensiones del modelo de regresión Beta Rectangular (Bayes, Bazán y García, 2012) como su extensión a un modelo lineal mixto para variables limitadas con esta distribución y modelos de regresión para la mediana o regresión cuantílica cuando la variable dependiente sea limitada. Se explorarán también nuevas distribuciones para proporciones que tengan mejores propiedades que la distribución Beta y la metodología Bayesiana para todos estos modelos.
Participantes:
Instituciones participantes:
The increasing popularity of cluster-randomized trials has created many opportunities and challenges for statisticians. In recent years a variation of the traditional cluster randomized trial has been proposed called stepped wedge design trial. However, several questions have been raised about the advantages and disadvantages of the stepped wedge design compared to the traditional cluster randomized design, in particular with regard to difference in power and sample size needed to properly measure the effect of an intervention. In this project, we will develop statistical methods to 1) study the advantages/disadvantages of the stepped wedge design vs. the cluster-randomized trial, 2) develop statistical models for bounded or even fractional response variables, 3) adjust them to the analysis of a stepped wedge study and 4) develop guidelines for data analysis and reporting of stepped wedge studies. In addition, we plan to implement the methods in freely available software, which will allow it to be used by other statisticians and public health researchers. Our proposal searches not only to give a statistical insight in the discussion above but also to propose new flexible statistical models in the analysis of the response variable when we deal with cross-sectional and longitudinal data.
Participantes:
Instituciones participantes:
The increasing popularity of cluster-randomized trials has created many opportunities and challenges for statisticians. In recent years a variation of the traditional cluster randomized trial has been proposed called stepped wedge design trial. However, several questions have been raised about the advantages and disadvantages of the stepped wedge design compared to the traditional cluster randomized design, in particular with regard to difference in power and sample size needed to properly measure the effect of an intervention. In this project, we will develop statistical methods to 1) study the advantages/disadvantages of the stepped wedge design vs. the cluster-randomized trial, 2) develop statistical models for bounded or even fractional response variables, 3) adjust them to the analysis of a stepped wedge study and 4) develop guidelines for data analysis and reporting of stepped wedge studies. In addition, we plan to implement the methods in freely available software, which will allow it to be used by other statisticians and public health researchers. Our proposal searches not only to give a statistical insight in the discussion above but also to propose new flexible statistical models in the analysis of the response variable when we deal with cross-sectional and longitudinal data.
Participantes:
Instituciones participantes:
El estudio de modelos de datos longitudinales que son capaces de incluir características complejas de datos, como la observada en datos agrupados, datos multinivel, datos espacialmente correlacionadas, datos multivariados, etc., en el contexto de problemas de la vida real, particularmente el análisis del comportamiento del VIH, sigue siendo un problema actualmente abierto. Por tal razón, es necesario realizar investigaciones en ese contexto con el fin de desarrollar modelos estadísticos flexibles.
Participantes:
Instituciones participantes: