Seminario: "Retos en el análisis de datos ordinales: modelos logísticos de odds proporcionales y proporcionales parciales"

Seminario: "Retos en el análisis de datos ordinales: modelos logísticos de odds proporcionales y proporcionales parciales"

Fecha: Viernes 11-10-2013

Autora: Altea Lorenzo Arribas
           Biomathematics and Statistics Scotland, The James Hutton Institute (Reino Unido)

Título:”Retos en el análisis de datos ordinales: modelos logísticos de odds proporcionales y proporcionales    parciales”

Lugar: Facultad de Ciencias Económicas y Empresariales (Bilbao)

Resumen
El empleo de datos ordinales es particularmente frecuente en la investigación psicológica y en el análisis de encuestas, pero este tipo de datos está también presente en otros muchos campos, en forma de indicadores de salud o de la intensidad de una enfermedad, de medidas de riesgo, etc.
Por simplicidad, este tipo de datos suele ser analizado como continuo, lo cual puede implicar perdida de
información y dificultades en la interpretación de los resultados. La controversia se hace particularmente
patente en la interpretación de las distancias entre las categorías de la variable respuesta. Así, metodologías como la Teoría de Respuesta al Ítem (IRT) han sido criticadas por realizar el re-escalado de variables ordinales en continuas. Por otra parte, para investigadores con escasa formación estadística, el ajuste de modelos flexibles de variables latentes y de modelos mixtos para este tipo de datos se convierte en una tarea especialmente complicada. Existen múltiples ejemplos en la literatura metodológica que tratan de resolver esta discrepancia entre investigadores y estadísticos, y como consecuencia, nuevos paquetes de software han aparecido en los últimos años que intentan facilitar la implementación e interpretación del análisis de datos ordinales reflejando su verdadera naturaleza.
Sin embargo, la aplicación de estos modelos requiere el cumplimiento de la hipótesis de odds proporcionales, que es particularmente restrictiva, razón por la cual no se puede garantizar en muchas ocasiones. Es por ello que nos centraremos en una hipótesis más permisiva conocida como la hipótesis de odds proporcionales parciales.
Visitaremos en este seminario la base metodológica de los citados modelos logísticos de odds proporcionales parciales, estudiaremos su aplicación práctica con los paquetes ordinal y VGAM del software libre R, y finalmente, compararemos los enfoques continuo y ordinal en forma de sendos modelos mixtos aplicados a un caso práctico sobre la evaluación sociológica de la presencia de diferentes especies animales y vegetales en Europa.

Bibliografía
· Agresti, A. (2010). Analysis of ordinal categorical data. 2nd edition. John Wiley & Sons.
· Christensen, R.H.B. (2012). A tutorial on fitting cumulative link models with the ordinal package. R Project vignette.
· Fullerton, A.S., Xu, J. (2012). The proportional odds with partial proportionality constraints model for
ordinal response variables. Social Science Research 41 (1): 182-198.
· Peterson, B., and Harrell, F.E. Jr. (1990). Partial proportional odds models for ordinal response variables.
Applied Statistics 39: 205-217.
· Williams R. (2006). Generalized ordered logit/partial proportional odds models for ordinal dependent
variables. The Stata Journal 6 (1): 58-82.
· Yee, T. W. (2010). The vgam package for categorical data analysis. Journal of Statistical Software, 32(10): 1-34.

in