Trabajo en investigación de servicios de salud. Recopilamos los resultados informados por los pacientes, por ejemplo, la función física o los síntomas depresivos, y con frecuencia se puntúan en el formato que usted mencionó: una escala de 0 a N generada al resumir todas las preguntas individuales en la escala.
La gran mayoría de la literatura que he revisado acaba de usar un modelo lineal (o un modelo lineal jerárquico si los datos provienen de observaciones repetidas). Todavía no he visto a nadie usar la sugerencia de @ NickCox para un modelo logit (fraccional), aunque es un modelo perfectamente plausible.
La teoría de respuesta al ítem me parece otro modelo estadístico plausible para aplicar. Aquí es donde asume que un rasgo latente provoca respuestas a las preguntas utilizando un modelo logístico u logístico ordenado. Eso maneja inherentemente los problemas de límite y posible no linealidad que Nick planteó.θ
El siguiente gráfico proviene de mi próximo trabajo de disertación. Aquí es donde ajusto un modelo lineal (rojo) a un puntaje de preguntas de síntomas depresivos que se ha convertido en puntajes Z, y un modelo IRT (explicativo) en azul para las mismas preguntas. Básicamente, los coeficientes para ambos modelos están en la misma escala (es decir, en desviaciones estándar). En realidad, hay un poco de acuerdo en el tamaño de los coeficientes. Como Nick aludió, todos los modelos están equivocados. Pero el modelo lineal puede no ser demasiado incorrecto para usar.
Dicho esto, una suposición fundamental de casi todos los modelos IRT actuales es que el rasgo en cuestión es bipolar, es decir, su soporte es a . Eso probablemente no sea cierto para los síntomas depresivos. Los modelos para rasgos latentes unipolares todavía están en desarrollo, y el software estándar no puede adaptarse a ellos. Es probable que muchos de los rasgos en la investigación de servicios de salud que nos interesan sean unipolares, por ejemplo, síntomas depresivos, otros aspectos de la psicopatología, satisfacción del paciente. Por lo tanto, el modelo IRT también puede estar equivocado.−∞∞
(Nota: el modelo anterior se ajustó al paquete de Phil Chalmers mirt
en R. El gráfico producido con ggplot2
y ggthemes
. El esquema de color se basa en el esquema de color predeterminado de Stata).