ANÁLISE BAYESIANA DE MODELOS TOBIT USANDO A DISTRIBUIÇÃO t-STUDENT

Resumo

Assumir que as observações seguem uma distribuição normal é uma suposição rotineira no modelo Tobit para respostas censuradas (veja Barros et al., 2010). No entanto, esta suposição pode ser não realista, ocultando importantes características da variação que está presente nos dados. Arabmazar and Schmidt (1982) estudaram a especificação errada da distribuição dos erros no modelo Tobit e notaram que o vício assintótico dos estimadores de máxima verossimilhança, assumindo normalidade, pode ser significativo. Assim, é conveniente considerar famílias paramétricas de distribuições que sejam flexíveis para capturar uma ampla variedade de comportamentos simétricos e que incluam a distribuição normal como caso especial. Neste sentido, a distribuição t-Student é interessante pois possui caudas mais pesadas que a distribuição normal, produzindo estimação robusta (e inferência) no modelo considerado. O objetivo deste projeto é apresentar um estudo de inferência Bayesiana no modelo de regressão linear Tobit para respostas censuradas considerando que o erro aleatório segue distribuição t-Student. Para o processo de estimação usaremos o WinBUGS. Além disso, será apresentado um estudo de diagnóstico baseado na medida de divergência de Kullback-Leibler, assim como uma discussão completa de critérios Bayesianos para seleção de modelos. As propostas deste projeto visam contribuir positivamente para o desenvolvimento na área de pesquisa estatística, aportando novos resultados em modelos de interesse prático, estendendo alguns resultados encontrados, por exemplo, em Barros et al. (2010).