Superdispersão em dados binomiais hierárquicos / Overdispersion in hierarchical binomial data

AUTOR(ES)

Lilian Nati

DATA DE PUBLICAÇÃO

2008

RESUMO

Para analisar dados binários oriundos de uma estrutura hierárquica com dois níveis (por exemplo, aluno e escola), uma alternativa bastante utilizada é a suposição da distribuição binomial para as unidades experimentais do primeiro nível (aluno) condicionalmente a um efeito aleatório proveniente de uma distribuição normal para as unidades do segundo nível (escola). Neste trabalho, propõe-se a adição de um efeito aleatório normal no primeiro nível de um modelo linear generalizado hierárquico binomial para contemplar uma possível variabilidade extra-binomial decorrente da dependência entre os ensaios de Bernoulli de um mesmo indivíduo. Obtém-se o processo de estimação por máxima verossimilhança para este modelo a partir da verossimilhança marginal dos dados, após uma dupla aplicação do método de quadratura de Gauss-Hermite adaptativa como aproximação para as integrais dos efeitos aleatórios. Realiza-se um estudo de simulação para contrastar propriedades inferenciais do modelo aspirante com o modelo linear generalizado binomial, um modelo de quase-verossimilhança e o tradicional modelo linear generalizado hierárquico em dois níveis.

ASSUNTO(S)

overdispersion dados binomiais generalized linear mixed models hierarchical models modelos multiníveis modelos hierárquicos multilevel models binomial data modelos lineares generalizados mistos superdispersão

Documentos Relacionados

• Modelagem de mortalidade natural e superdispersão em dados entomológicos
• Bancos de dados hierárquicos em inquéritos epidemiológicos
• AplicaÃÃo da estratÃgia de alocaÃÃo nÃo proporcional para identificar outliers em dados binomiais
• HIERARCHICAL NEURO-FUZZY MODELS
• HIERARCHICAL NEURO-FUZZY BSP-MAMDANI MODEL