Ponderação de modelos com aplicação em regressão logística binária.

AUTOR(ES)

Juliane Bertini Brocco

DATA DE PUBLICAÇÃO

2006

RESUMO

Esta dissertação considera o problema de incorporação da incerteza devido à escolha do modelo na inferência estatística, segundo a abordagem de ponderação de modelos, com aplicação em regressão logística. Será utilizada a abordagem de Buckland et. al. (1997), que propuseram um estimador ponderado para um parâmetro comum a todos os modelos em estudo, sendo que, os pesos desta ponderação são obtidos a partir do uso de critérios de informação ou do método bootstrap. Também será aplicada a ponderação bayesiana de modelos como apresentada por Hoeting et. al. (1999), onde a distribuição a posteriori do parâmetro de interesse é uma média da distribuição a posteriori do parâmetro sob cada modelo em consideração ponderado por suas respectivas probabilidades a posteriori. O objetivo deste trabalho é estudar o comportamento do estimador ponderado, tanto na abordagem clássica como na bayesiana, em situações que consideram o uso de regressão logística binária, com enfoque na estimação da predição. O método de seleção de modelos Stepwise será considerado como forma de comparação da capacidade preditiva em relação ao método de ponderação de modelos.

ASSUNTO(S)

análise de regressão model averaging ponderação de modelos estatistica regressão logística logistic regression

Documentos Relacionados

• Modelos de regressão logística ordinal: aplicação em estudo sobre qualidade de vida
• Modelos de regressão logística
• Presença de dados missing em modelos de regressão logística
• Regressão linear ponderada na seleção de variaveis independentes em modelos de regressão logistica
• Obtendo razões de chance prevalentes de modelos de regressão logística em estudos transversais