Um estudo da incorporação da incerteza na seleção de modelos em regressão logística

• Processo: 02/04138-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2002
• Data de Término da vigência: 16 de julho de 2003
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística
• Pesquisador responsável: Cecilia Candolo
• Beneficiário: Roberto Mosimann Silveira
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Inferência estatística Regressão logística Seleção de modelos
• Palavra(s)-Chave do Pesquisador: Bootstrap | Inferencia Estatistica | Ponderacao De Modelos | Regressao Logistica | Selecao De Modelos | Simulacao

Resumo

Na análise estatística usual a inferência é feita sem levar em conta a incerteza devido à escolha do modelo. A incorporação desta incerteza na inferência, tem despertado o interesse de alguns pesquisadores e começou a ser tratada de forma sistemática recentemente. Este trabalho considera a abordagem de Candolo (2001) e Candolo et al. (2001) que desenvolveram o estimador ponderado proposto por Buckland et al. (1997), aprofundando seu estudo para modelos de regressão linear. Candolo (2001) propõe um cálculo alternativo para a variância deste estimador de forma analítica e duas alternativas usando o método bootstrap, as quais foram comparadas através de exemplos de regressão linear com uma, duas e três covariáveis. Neste trabalho, seguiremos a metodologia usada para o modelo de regressão linear com uma covariável em situações onde a variável resposta tem distribuição Binomial, e não Normal como é o caso de regressão linear simples. Neste caso o modelo é chamado de regressão logística e a relação entre a variável resposta e a covariável é não linear. O objetivo é obter o estimador ponderado para o modelo logístico e obter valor esperado e variância usando simulação e o método bootstrap, comparando os resultados obtidos. A técnica será aplicada em exemplos da literatura de experimentos do tipo dose-resposta, onde o modelo logístico é bastante utilizado. (AU)