Usando as respostas previsíveis da abordagem list-experiments como variáveis explicativas em modelos de regressão

Abstract

O modelo de lista de experimento (List Experiment), também conhecido como o modelo de contagem de itens (the Item Count Tecnique), vem se tornando bastante popular como uma metodologia para se obter respostas confiáveis para questões complexas e sensitivas. Recentemente, técnicas de múltiplas variáveis têm sido desenvolvidas para prever respostas, não observadas, para questões complexas usando a abordagem características dos entrevistados (respondent characteristics). Não obstante, não existe nenhum método para o uso dessas respostas, como uma variável explicativa em outro modelo de regressão. Tentamos resolver esta lacuna primeiro, melhorando a performance de um naive two-step estimator. Apesar de sua simplicidade, este aperfeiçoado método de duas etapas pode apenas ser aplicado em modelos lineares e é ineficiente estatisticamente. Nós, portanto, desenvolvemos um método para estimativas de máxima verossimilhança, de completa eficiência e aplicável a uma gama muito grande de modelos. Usamos um estudo simulado para avaliar o desempenho empírico dos métodos propostos. Nós também os aplicamos ao México 2012 Estudo de Panel para analisar se a compra de votos está associada com o aumento do comparecimento eleitoral e o nível de aprovação do candidato. Os métodos propostos são implementados in open-source software.