Modelos Lineares, MLG e outros modelos não-lineares

O tamanho da população humana de uma região é uma característica dinâmica. Deste modo, surge a necessidade da estimação de populações em intervalos menorese utilizando metodologia mais barata e rápida do que um recenseamento populacional. Diante do desenvolvimento da área de Sensoriamento Remoto, uma alternativa para estimação de populações humanas é utilizar imagens de satélite em modelos de regressão. Neste trabalho, propomos estimar o tamanho populacional dos setores censitários urbanos do município de Belo Horizonte, em 2000, via imagens de satélite e via informações da contagem populacional de 1996, através de modelos (por pixels e por setor) mais sofisticados que possam explorar de maneira mais abrangente a riqueza dos dados das imagens de satélite e dos censos populacionais.

Neste trabalho é desenvolvido o método estimação do escore corrigido para o modelo linear misto com erros de medição nas varíaveis. Especificamente estudamos o caso quando a distribuição dos erros de medição pertencem na classe de distribuições de contornos elípticos. Se apresentam também resultados assintóticos dos estimadores obtidos e o desempenho do método proposto é estudado através de simulações.

Neste trabalho estudamos um modelo com erros de medição heteroscedásticos na presença de réplicas das observações. As estimativas dos parâmetros do modelo proposto foram obtidas pelo método de máxima verossimilhança utilizando um algoritmo do tipo EM. Além disso, realizamos um estudo de simulação para verificarmos o comportamento dos estimadores em diferentes condições de tamanho da amostra e número de réplicas da covariável e da variável resposta. Testes para a homoscedasticidade e a proporcionalidade das variâncias dos erros foram propostos. Por fim, realizamos outro estudo de simulação com o objetivo de verificar propriedades dos testes propostos em diferentes cenários.

Neste trabalho, utilizamos o modelo aditivo generalizado não linear para locação, escala e forma (NLGAMLSS) para dados de peso-idade de bovinos da raça Canchim, do nascimento até 40 meses de idade. Supomos que a variável resposta (peso) assume as seguintes distribuições: normal, t-Student, normal generalizada, skew normal e skew t. O parâmetro de locação foi modelado como função não linear da idade. Foram utilizados, para tais funções, os modelos de crescimento de Brody, Gompertz, logístico e von Bertalany. A qualidade do ajuste dos modelos foi avaliada usando-se os critérios AIC e BIC. Concluímos que a distribuição skew t com o modelo de Brody resultou no ajuste para descrever o crescimento dos bovinos. O método bootstrap foi utilizado para obter intervalos de confiança mais precisos para os parâmetros.

O objetivo deste artigo é analisar a integração espacial dos mercados de açúcar no Brasil, considerando a presença de custos de transação. A fundamentação teórica está baseada na integração de mercados, Lei do Preço Único e arbitragem espacial. Foram utilizadas séries de preços de açúcar nos estados de Alagoas, Pernambuco, São Paulo (Araçatuba e Ribeirão Preto), Paraná (Maringá) e Minas Gerais (Triângulo Mineiro), no período de maio de 2003 a dezembro de 2008. A metodologia utilizada baseia-se no modelo auto-regressivo com threshold (TAR). Os resultados mostram que o mercado central para o açúcar foi Ribeirão Preto. Por fim, confirmou-se a presença de significativos custos de transação nos pares de mercados de açúcar, sendo o maior threshold entre Alagoas e Ribeirão Preto e o menor threshold entre Araçatuba e Ribeirão Preto.

O objetivo geral deste projeto de Iniciação Científica é desenvolver uma rotina de programação para o software R para os modelos de misturas de escalas normais assimétricas, desenvolvido em Ferreira (2008), atualmente desenvolvidos na linguagem de Matlab®. A livraria em R tornará acessíveis aos usuários os modelos SSMN, englobando o processo de estimação via algoritmo EM, estimação do erro padrão através da matriz de informação de Fisher observada, gráficos de diagnóstico dos casos estudados, entre outros. Com o oferecimento da livraria em R-Gui, os modelos desenvolvidos aqui contribuirão em muito para a aplicação e pesquisa na área de modelagem e ajuste de dados.

Os atuais métodos de regressão para variáveis simbólicas intervalares enfocam o tema como um problema de otimização, sem considerar os aspectos probabilísticos que rodeiam os modelos de regressão. Neste trabalho, apresentamos algumas distribuições bivariadas pertencentes a família exponencial que ampliam o modelo linear generalizado bivariado (MLGB) proposto por Iwasaki & Tsubaki (2005), no contexto dos dados simbólicos. Por último, realizamos um estudo comparativo entre o MLGB e os métodos não-probabilísticos propostos por Billard & Diday (2000) e Lima Neto & De Carvalho (2008).

Sabe-se que regressão é uma técnica muito utilizada quando se pretende relacionar uma variável resposta a variável (is) explicativa (s). Só que existem situações em que não é possível observar uma variável explicativa de forma exata, por questões diversas. O que se observa, na prática, é outra variável com características relacionadas à variável do estudo. Ou seja, a variável de interesse é observada com erro de medida. Certamente, a parte inferencial será prejudicada ao trocarmos, no modelo, uma variável pela outra, já que os resultados obtidos não deverão ser os mesmos. Por isso, este trabalho tem o intuito de estudar o problema de erro de medida em modelos de regressão logística através de comparações dos métodos de estimação de Monte Carlo e James Stein.

Em estudos de corte transversal com desfecho dicotômico, a associação entre exposição e desfecho pode ser estimada por modelos de regressão logística, porém, quando o desfecho não é raro, ou quando é necessário ajustar para potenciais variáveis, a odds ratio (OR) não é uma boa estimativa para a razão de prevalência (RP).
Foram analisados os fatores associados a prevalência de obstrução das vias aéreas superiores (VAS) pós-extubação em crianças internadas no CTI pediátrico de um hospital privado. As RP’s foram obtidas pelo método de estratificação de Mantel-Haenzel. As estimativas ajustadas foram obtidas pelas regressões de Cox e de Poisson com variância robusta, e regressão log-binomial. As OR’s ajustadas foram obtidas pela regressão logística.
A prevalência de obstrução das VAS foi de 38,7%. As co-variáveis uso de cuff e tempo de VMI apresentaram associação significativa.
Os modelos de Cox/Poisson com variância robusta e o log-binomial ofereceram estimativas mais consistentes comparados à regressão logística. Os modelos de Cox/Poisson com variância robusta apresentaram estimativas próximas comparadas às da estratificação de Mantel-Haenszel para as co-variáveis mais prevalentes, enquanto o log-binomial apresentou estimativas próximas para as co-variáveis menos prevalentes. O modelo log-binomial apresentou intervalos de confiança de menor amplitude e nível descritivo mais conservador.

Modelos de Regressão em Cristas apresentam características próprias e problemas específicos. São geralmente utilizados para contornar o problema da multicolinearidade, consequência da existência de relações lineares entre as variáveis explicativas.
No presente trabalho, apresentaremos inicialmente medidas de influência específicas para o contexto de regressão em cristas. Posteriormente, serão analisadas medidas de influência local. Finalmente, os procedimentos descritos serão aplicados a um conjunto de dados reais.