Estadística

El modelo de regresión múltiple requiere un nivel de medición métrica para la variable dependiente. Para las variables dependientes de escala nominal u ordinal, se pueden aplicar modelos de regresión logística para las variables dependientes categóricas. En estos modelos, las probabilidades de realización de las expresiones de la variable dependiente se representan como funciones de la variable explicativa. En el caso de las variables dependientes de escala nominal con expresiones K, una variable explicativa con hasta coeficientes (ratios) de regresión K – 1 puede actuar sobre la variable dependiente. La no linealidad y multidimensionalidad de la función de regresión hace difícil la interpretación de un modelo logístico categórico a nivel de probabilidades de realización. (Tal vez sea de interés más investigación sobre el concepto). Por esta razón, los modelos logísticos a menudo consideran los cambios multiplicativos en los cocientes de probabilidad de dos características (probabilidades). En el caso de las variables dependientes ordinales, también es posible interpretar la variable observada como una medición inexacta de una variable métrica no observada. Un modelo logit ordinal puede entonces interpretarse como un modelo de regresión para una variable dependiente de la métrica no observada. Además de la especificación e interpretación de los modelos logit, se discuten los prerrequisitos para la estimación de los parámetros del modelo, la prueba de hipótesis de los modelos logit y los problemas de aplicación. (Tal vez sea de interés más investigación sobre el concepto). En un ejemplo empírico, investigamos cómo el logro educativo de los padres influye en el de sus hijos.