Endpoint-inflated beta-binomial regression for correlated count data

Abstract

El modelo de regresión binomial con in acción en los extremos permite modelar datos de conteo acotados en los que una alta proporción de las observaciones se encuentra en los extremos. Extendemos el modelo considerando una función de enlace de logit ordenado, la cual aprovecha la información de orden implícita en las probabilidades de in acción y exploramos el uso de efectos aleatorios y marginalización para manejar la presencia de observaciones repetidas. Empleamos un conjunto de datos previamente analizado en la literatura mediante un modelo de regresión binomial con in acción en los extremos que emplea el enlace softmax para mostrar el mejor ajuste logrado por nuestro modelo.

The endpoint-inflated binomial regression model provides a way of modeling bounded count data with a high proportion of observations at the endpoints. We extended the model by considering an ordered logit link which exploits the natural ordering in the inflation probabilities and explore the utility of random effects and marginalization for dealing with repeated measures. We use a dataset previously analyzed in the literature with an endpointinflated binomial regression using a softmax link to show our model achieves an improved fit.