Search

En este artículo se describe un procedimiento para la estimación de parámetros fijos y aleatorios en modelos multinivel para proporciones. El procedimiento de estimación se basa en el método de los mínimos cuadrados generalizados. Una vez que se formula el modelo, se demuestra que es posible aplicar la teoría asintótica de estimación en el marco del modelo lineal general. Se elabora un algoritmo que permite calcular los estimadores propuestos. La aplicación se ilustra con un ejemplo de meta-análisis. Se concluye que el procedimiento presentado puede ser una estrategia favorable en investigaciones aplicadas. This paper describes a procedure for the estimation of fixed and random parameters in multilevel model for proportions. The estimation procedure is developed using Iterative Generalized Least Squares. Once the model is formulated, we demonstrate that it is possible to apply the asymptotic estimation theory in the framework of the general lineal model. An algorithm to calculate the proposed estimators is elaborated. We illustrate the application using an example of meta-analysis. It is concluded that the proposed procedure can be favorable strategy to do applied research.

Montero, Castell and amp; Ojeda (2002) propusieron una estrategia para formular modelos multinivel para tablas de contingencia basada en la aplicación del modelo lineal general a datos categóricos jerárquicos. Aplicando el método a un modelo de regresión logística multinivel con datos simulados, encontramos que las estimaciones de los parámetros aleatorios son inadmisibles en ciertas situaciones, con sesgos grandes y estimaciones negativas de la varianza cuando los conjuntos de datos son desbalanceados. Para corregir los estimadores proponemos una técnica basada en descomposición de valores singulares truncados en la solución de mínimos cuadrados generalizados para estimar los parámetros aleatorios. Mediante simulación mostramos la efectividad de la técnica en cuanto a la reducción del sesgo de los estimadores. Montero et al. (2002) proposed a strategy to formulate multilevel models related to a contingency table sample. This methodology is based on the application of the general linear model to hierarchical categorical data. In this paper we applied the method to a multilevel logistic regression model using simulated data. We find that the estimates of the random parameters are inadmissible in some circumstances; large bias and negative estimates of the variance are expected for unbalanced data sets. In order to correct the estimates we propose to use a numerical technique based on the Truncated Singular Value Decomposition (TSVD) in the solution of the problem of generalized least squares associated to the estimation of the random parameters. Finally a simulation study is presented to shows the effectiveness of this technique for reducing the bias of the estimates.