ALGUNAS ALTERNATIVAS PARA ESTIMAR LA MATRIZ DE COVARIANZA DE UN ESTIMADOR EN UN MODELO DE REGRESION LINEAL

Resumen

Para el análisis de datos en muestras complejas, comúnmente el usuario recurre a los procedimientos tradicionales (o estándar) que están implementados en los paquetes estadísticos computacionales convencionales, en donde, -por default- suponen que las observaciones obtenidas en la muestra son independientes e idénticamente distribuidas.
Por lo cual, ignoran el diseño de muestreo complejo, o bien la forma estructural que presenta la población de interés, ocasionando graves distorsiones en las inferencias de tipo analítico. Sobre la base de lo anterior, se examinan algunas alternativas para estimar la matriz de covarianza. Además, se proponen algunas correcciones simples para obtener estimadores consistentes de los errores estándar del vector de coeficientes en un modelo de regresión lineal.

ABSTRACT
Commonly in data analysis with Complex samples, the user uses traditional procedures or standard which are implemented in conventional computing statistical packages, where, by default is assumed that the observations were obtained from an independently and identically distributed sample. Hence, the use of a complex desing or the structure of
the population is ignored, generating important distortions in the development of analytical inferences. Based on these arguments, some alternatives for estimating the covariance matrix are examined. In addition, some simple corrections are proposed for obtaining consistent estimators of the standard errors of the vector of the linear regression coefficients.

Key words: linear regression, analytical surveys, complex sampling design, design effect