Resumen

Este artículo presenta un análisis bayesiano de un modelo de regresión probit ordenado bivariado con exceso de ceros. Específicamente, en el contexto del modelado conjunto de dos resultados ordenados, desarrollamos un modelo probit ordenado bivariado con inflación de ceros y realizamos la estimación utilizando técnicas de Cadena de Markov Monte Carlo. Utilizando datos de encuestas de tabaco en hogares con una proporción sustancial de ceros, analizamos los determinantes socioeconómicos del problema individual de fumar y masticar tabaco. En nuestra ilustración, encontramos evidencia sólida de que tener en cuenta el exceso de ceros proporciona un buen ajuste a los datos. El ejemplo muestra que el uso de un modelo que ignora la inflación de ceros enmascara los efectos diferenciales de las covariables en los no usuarios y los usuarios.

• Materias:Modelos de regresión Conjunto borroso Agrupamiento Factores de transcripción Modelo autorregresivo
• Subjects:Regression models Fuzzy set Clustering Transcription factors Autoregressive model
• Palabras claves:Bayesiano; Bivariado; Regresión probit; Exceso de ceros; Modelo inflado de ceros; Monte Carlo de Cadena de Markov
• Keywords:Bayesian; Bivariate; Probit regression; Excess zeros; Zero-inflated model; Markov Chain Monte Carlo