Comparação de métodos de estimação em modelos logísticos multiníveis para dados longitudinais: Um estudo de simulação.

O desenvolvimento de métodos estatísticos para análise de dados obtidos em situações em que as observações são dependentes tem apresentado crescimento relevante nas últimas décadas e, em especial, na análise de dados provenientes de estudos longitudinais. No contexto dos modelos multiníveis lineares generalizados (GLMM), a estimação pode ser realizada sob dois enfoques: métodos de aproximação da verossimilhança ou por integração numérica (Hox, 2002). Esse trabalho objetiva comparar a performance dos métodos de estimação disponíveis no software R para o ajuste de modelos logísticos multiníveis na análise de dados longitudinais. Para isto foram conduzidos estudos de simulação, considerando-se diferentes graus de dependência, número de observações repetidas e número de indivíduos. Resultados dos estudos de simulação apontam para diferenças mais acentuadas de performance dos métodos (em termos de vício, variabilidade dos estimadores e probabilidade de cobertura) em situações com reduzido número de mensurações ao longo do tempo e alto coeficiente de correlação intraclasse. Neste caso, alguns métodos produziram estimativas menos viesadas, enquanto outros foram mais acurados. No entanto, o aumento conjunto do número de indivíduos sob estudo e do número de medidas repetidas apontam que a performance destes métodos de estimação tendem a ser muito similares. Neste caso, a escolha do método a ser utilizado no ajuste do modelo logístico multinível dependerá da disponibilidade em software estatístico.

Projeto com financiamento FAPESB, Termo de Outorga nº.0082/2006.