Return to search

Regresión cuantílica binaria: un enfoque bayesiano basado en la distribución asimétrica de Laplace

La regresión cuantílica es una técnica estadística que permite analizar la relación entre variables
en distintos cuantiles de la distribución de la variable respuesta. No obstante, su
aplicación en variables respuesta binaria puede contraintuitivo, pues la definición tradicional
de cuantiles se conceptualiza para variables continuas y no tienen una interpretación directa
en una variable binaria. A pesar de que una variable de respuesta binaria sólo toma dos
valores y no permite una definición tradicional de cuantiles, es posible extender la regresión
cuantílica para modelar los cuantiles de la variable latente subyacente a la variable de respuesta
binaria. Esta variable latente es continua y permite aplicar la regresión cuantílica en
contextos donde la variable de respuesta sea binaria.
En este estudio, adoptamos un enfoque bayesiano para la regresión cuantílica binarios basado
en la distribución asimétrica de Laplace (ALD); aplicaremos el modelo en un conjunto de datos
correspondiente a resultados de descarte de pruebas COVID-19 en pacientes oncológicos
y estimaremos los coeficientes de la regresión mediante el paquete bayesQR desarrollado en R. / Quantile regression is a statistical technique that allows for the analysis of relationships between
variables across different quantiles of the response variable’s distribution. However, its
application to binary response variables can be counterintuitive, as the traditional definition
of quantiles is conceptualized for continuous variables and does not have a direct interpretation
in a binary variable. Although a binary response variable only takes two values and does
not allow for a traditional definition of quantiles, it is possible to extend quantile regression
to model the quantiles of the latent variable underlying the binary response variable. This
latent variable is continuous and enables the application of quantile regression in contexts
where the response variable is binary.
In this study, we adopt a Bayesian approach to binary quantile regression based on the
Asymmetric Laplace Distribution (ALD); we will apply the model to a dataset comprising
discarded COVID-19 test results in oncology patients and estimate the regression coefficients
using the bayesQR package developed in R.

Identiferoai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/27108
Date15 February 2024
CreatorsBaldeon Molleda, Dante Reynaldo
ContributorsBayes Rodríguez, Cristian Luis
PublisherPontificia Universidad Católica del Perú, PE
Source SetsPontificia Universidad Católica del Perú
LanguageSpanish
Detected LanguageSpanish
Typeinfo:eu-repo/semantics/masterThesis
Formatapplication/pdf, application/pdf
Rightsinfo:eu-repo/semantics/closedAccess

Page generated in 0.0023 seconds