Análise de dados categorizados longitudinais: um enfoque aos modelos de transição de Markov

Resumo

A análise de dados categorizados longitudinais é uma área de estudos que requer uma atenção especial, não somente pela natureza da variável resposta mas também pela necessidade em se considerar a possível correlação entre as avaliações repetidas. Há três classes de modelos que podem ser empregadas: modelos marginais, modelos de efeitos mistos e os modelos de transição. Porém, há uma abordagem muito maior para as classes de modelos marginais e de efeitos mistos. Os modelos de transição são baseados em processos estocásticos e, com variáveis respostas categorizadas, o interesse está em modelar as probabilidades de transições de categorias de respostas dos indivíduos no tempo. Apesar de sua funcionalidade, esses modelos não são, em geral, utilizados na análise de dados longitudinais, devido às suas pressuposições, número de parâmetros envolvidos no processo de estimação, dificuldade de interpretação dos resultados, entre outras. Nesse contexto, este projeto objetiva rever as três classes de modelos e dar ênfase para o desenvolvimento e aplicação de métodos relacionados aos modelos de transição, que possam resolver questões relacionadas à estacionariedade e ao alcance de cadeia. Os procedimentos metodológicos estão centrados na teoria da máxima verossimilhança e implementação computacional será feita no software R. (AU)