Evaluación de criterios de bondad de ajuste para modelos logit marginales

En este trabajo se estudia el comportamiento de medidas de bondad de ajuste de modelos logit marginales para datos binarios correlacionados. Algunas de ellas son de caracter descriptivo, basadas generalmente en la nocion de perdida incurrida al usar un modelo aproximado para describir la realidad, y otras constituyen estadisticas globales de bondad de ajuste. En general son extensiones naturales de las disponibles para el caso de modelos logit clasicos, es decir bajo el supuesto de independencia de las observaciones. Para la evaluacion de estas medidas se realiza un estudio por simulacion mediante la utilizacion de un algoritmo simple de generacion de datos con estructura de asociacion intra-unidad constante. Entre las estadisticas de tipo descriptivo se destaca el buen comportamiento de la extension del criterio de Akaike, la cual constituye una medida util para seleccionar el mejor subconjunto de covariables a incluir en el modelo. En lo que se refiere a los tests globales de bondad de ajuste, la extension de la prueba chi cuadrado de Pearson y la basada en la suma no ponderada de residuos son las que presentan en general mejor comportamiento en cuanto al control del error tipo I, si bien la potencia resulta baja.