Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Multivariate measurement error models based on Student-t distribution under censored responses

Texto completo
Autor(es):
Matos, Larissa A. [1] ; Castro, Luis M. [2] ; Cabral, Celso R. B. [3] ; Lachos, Victor H. [4]
Número total de Autores: 4
Afiliação do(s) autor(es):
[1] Univ Estadual Campinas, IMECC, Dept Stat, BR-13083859 Campinas, SP - Brazil
[2] Pontificia Univ Catolica Chile, Dept Stat, Santiago - Chile
[3] Univ Fed Amazonas, Dept Stat, Manaus, Amazonas - Brazil
[4] Univ Connecticut, Dept Stat, Storrs, CT 06269 - USA
Número total de Afiliações: 4
Tipo de documento: Artigo Científico
Fonte: STATISTICS; v. 52, n. 6, p. 1395-1416, 2018.
Citações Web of Science: 0
Resumo

Measurement error models constitute a wide class of models that include linear and nonlinear regression models. They are very useful to model many real-life phenomena, particularly in the medical and biological areas. The great advantage of these models is that, in some sense, they can be represented as mixed effects models, allowing us to implement wellknown techniques, like the EM-algorithm for the parameter estimation. In this paper, we consider a class of multivariate measurement error models where the observed response and/or covariate are not fully observed, i.e., the observations are subject to certain threshold values below or above which the measurements are not quantifiable. Consequently, these observations are considered censored. We assume a Student-t distribution for the unobserved true values of the mismeasured covariate and the error term of the model, providing a robust alternative for parameter estimation. Our approach relies on a likelihood-based inference using an EM-type algorithm. The proposed method is illustrated through some simulation studies and the analysis of an AIDS clinical trial dataset. (AU)

Processo FAPESP: 15/20922-5 - Modelagem flexível em regressão para dados com censura
Beneficiário:Víctor Hugo Lachos Dávila
Linha de fomento: Auxílio à Pesquisa - Pesquisador Visitante - Brasil
Processo FAPESP: 18/05013-7 - Modelos semi-paramétricos de efeitos mistos com respostas múltiplas censuradas sob a classe de distribuições misturas de escala normal
Beneficiário:Larissa Avila Matos
Linha de fomento: Auxílio à Pesquisa - Pesquisador Visitante - Internacional
Processo FAPESP: 15/05385-3 - Estimação em modelos de efeitos mistos para respostas censuradas usando as distribuições de misturas de escala normal
Beneficiário:Larissa Avila Matos
Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Processo FAPESP: 11/22063-9 - Aplicações das distribuições de misturas da escala skew-normal em modelos de análise fatorial
Beneficiário:Larissa Avila Matos
Linha de fomento: Bolsas no Brasil - Doutorado