Lasso Regularization for Selection of Log-linear Models: An Application to Educational Assortative Mating

Mauricio Bucca, Daniela R. Urbina, coautores

Sociological Methods & Research

Los modelos log-lineales para tablas de contingencia constituyen una herramienta clave para el estudio de las desigualdades categóricas en sociología. Sin embargo, el enfoque convencional para la selección y especificación de modelos adolece de al menos dos limitaciones: la dependencia de diagnósticos frecuentemente equívocos derivados de estadísticos de ajuste, y la incapacidad para identificar patrones de asociación no contemplados por los modelos candidatos.

En este artículo se propone una aplicación de la regularización Lasso que permite superar las limitaciones mencionadas. El método es evaluado mediante un experimento de Monte Carlo y un estudio empírico sobre el emparejamiento selectivo por nivel educativo en Chile durante el período 1990–2015.

Los resultados demuestran que el enfoque propuesto presenta la virtud, en comparación con las búsquedas de especificación ad hoc, de ofrecer un criterio estadístico fundamentado para seleccionar un modelo de manera inductiva. De manera relevante, se muestra que en situaciones en las que los estadísticos de ajuste convencionales arrojan diagnósticos contradictorios, el enfoque basado en Lasso resulta consistente en la elección del modelo, produciendo soluciones que son a la vez predictivas y parsimoniosas.