¿Cómo se aplica las Muestras complejas por medio de la Regresión logística ?

La mayoría de los análisis estadísticos suponen que los datos recopilados provienen de una muestra aleatoria simple de la población de interés, que cada unidad elemental será igualmente probable para ser muestreado. Sin embargo, no siempre es posible o práctico tomar una muestra aleatoria simple. El muestreo aleatorio simple requiere acceso a toda la población de interés (un "marco de muestreo completo") que puede no ser factible para poblaciones grandes. También podría ser prohibitivamente costoso acceder y tomar muestras en toda el área. O bien, si algunos miembros de la población (por ejemplo, de un contexto demográfico particular) son relativamente pocos en número, una muestra aleatoria simple podría no medir de manera confiable sus respuestas. Incluso si se dispone de un marco de muestreo completo, podría ser mucho más barato o más eficiente utilizar un esquema de muestreo complejo en lugar del muestreo aleatorio simple. Con un esquema de muestreo complejo, los miembros de la población no tienen la misma probabilidad de ser seleccionados en la muestra. Las muestras complejas se utilizan con mayor frecuencia para las encuestas y estudios clínicos, a nivel nacional o multinacional, donde el muestreo aleatorio simple simplemente no es práctico.

En este estudio introduciremos los modelos de regresión logística como un paso más de los modelos predictivos sobre conjuntos de datos, abordaremos el problema de la estimación de los parámetros de los modelos logit, necesarios para poder abordar estimadores como el de Horvitz y Thompson o los de regresión generalizada. Para ilustrar los procedimientos de análisis y los efectos de diseño se propusieron pruebas de bondad en muestras complejas recurriendo a la estimación por medio de la Regresión logística de proporciones en encuestas complejas (cuando el propósito del modelo es estimar las probabilidades de ocurrencias de eventos). Las propiedades de las pruebas propuestas se examinaron mediante extensos estudios de simulación y los resultados se compararon con las pruebas tradicionales de bondad de ajuste, obteniéndose mejores resultados con las pruebas propuestas.

Las muestras complejas también pueden incorporarse en el diseño de estudios observacionales transversales o incluso en estudios de intervención (como los ensayos clínicos ). En la actualidad los investigadores de salud están utilizando métodos de encuesta por muestreo a gran escala en ensayos clínicos, con un enfoque en estudios epidemiológicos para estimar las asociaciones que las variables demográficas, conductuales y de factores de riesgo tienen en un resultado dicotómico, como la presencia o ausencia de enfermedad. De igual manera en los procesos electorales y en las encuestas de intención de voto, donde se utilizan distintos métodos para predecir el resultado electoral. En estos casos, se toman una o varias muestras de la población y se estudia el comportamiento de dicha característica en los individuos que las componen.