Considere los siguientes dos modelos de regresión logística: $$ \begin{aligned} &\text{Model A: }&P(Y=1)&=\frac{\text{exp}\left(b_1+b_2X_2\right)}{1+\text{exp}\left(b_1+b_2X_2\right)} \\ &\text{Model B: }&P(Y=1)&=\frac{\text{exp}\left(b_1+b_2X_2+b_3X_3\right)}{1+\text{exp}\left(b_1+b_2X_2+b_3X_3\right)} \end{aligned} $$ En el modelo a, suponga que tanto los parámetros de $b_1$ $b_2$ parecen ser significativas, es decir, $-1,96 > z_k$ o $1,96 < z_k$. Cuando se agrega una variable ficticia $X_3$ a crear el modelo B, parece ser que hay dos opciones si desea comprobar si la variable que agrega más poder explicativo del modelo:
- Realizar una Probabilidad-test del cociente entre el modelo a y el modelo B, mediante el cálculo de la prueba estadística de $G^2=-2\log \left(\frac{L_{\text{A}}}{L_{\text{B}}}\right)$ y compararlo con el valor crítico de la chi-cuadrado de distribución con un grado de libertad.
- Realizar una prueba z de $X_3$ en el modelo B, el cálculo de $z=\frac{b_3}{\text{se}\left(b_3\right)}$ y compararlo con los valores críticos de la distribución normal estándar.
La pregunta ahora es: ¿Es suficiente en este caso para calcular el valor de z, si quiero determinar si el modelo B tiene mucho más poder explicativo de Un modelo? Es posible que $X_3$ en una prueba z es significativa, y al mismo tiempo la LR-prueba implica que no hay diferencia entre los dos modelos?
En resumen: cuando la adición de una sola variable a un modelo logístico, ¿cuál es la mejor prueba a realizar, si quiero investigar si la variable añadido importante poder explicativo del modelo?