Este artículo propone un método para llevar a cabo una investigación inductiva cuantitativa sobre datos de encuestas cuando la variable de interés sigue una distribución ordinal. Se describe una metodología basada en modelos de penalización novedosos y tradicionales. El objetivo principal de este estudio es presentar pedagógicamente el método utilizando los nuevos métodos de penalización en una nueva aplicación. Se empleó un caso para delinear la metodología. El caso tiene como objetivo seleccionar variables explicativas correlacionadas con el nivel de deuda objetivo en empresas cotizadas suecas. Los encuestados fueron emparejados con información contable de los informes anuales de las empresas. Sin embargo, había datos faltantes: para utilizar completamente los modelos de penalización, empleamos imputaciones basadas en árboles de clasificación y regresión (CART) mediante ecuaciones de imputación encadenadas múltiples (MICE) para abordar este problema. Los datos imputados fueron sometidos a seis modelos de penalización: lasso multinomial agrupado, lasso multinomial no agrupado, multinomial-ordinal vinculado a elementos paralelos (ELMO), ELMO semi-paralelo, ELMO no paralelo y acumulativo generalizado monotónico incremental por etapas (GMIFS). Mientras que los modelos más antiguos generaron varias variables explicativas para el proceso de formación de hipótesis, los nuevos modelos (ELMO y GMIFS) identificaron solo un ratio de activos rápidos. Las pruebas posteriores revelaron que esta variable era la única variable estadísticamente significativa que afectaba el nivel de deuda objetivo.