Comparação de funções de regressão com abordagem não paramétrica

A comparação de duas ou mais funções de regressão é um assunto bastante discutido. Os métodos clássicos utilizam modelos paramétricos para a função de regressão e comparam os parâmetros resultantes dos modelos. A desvantagem desta abordagem e que ela exige a especificação de um modelo matemático, que nem sempre e possível obter. Em estudos recentes têm sido propostos vários testes para igualdade de funções de regressão usando método do Núcleo Estimador. O nosso trabalho e baseado no método proposto por Dette e Neumeyer (2001), no qual os autores desenvolveram um teste bootstrap baseado na diferença entre um estimador não paramétrico de variância na amostra combinada, e uma combinação convexa dos estimadores não paramétricos das variâncias das amostras individuais. Porém a escolha da janela, h, é um ponto fundamental para se obter uma boa estimativa da função de regressão de interesse. A opção por valores inadequados podem obscurecer a relação das variáveis do modelo e, consequentemente prejudicar a qualidade do ajuste. Assim, o objetivo principal deste trabalho e testar o efeito da escolha da janela na comparação de funções de regressão. A motivação para este trabalho se situa no fato de que, ao estudarmos a literatura sobre a comparação de curvas de regressão, não encontramos um método automático para a seleção do parâmetro de suavização. Para ilustrar o impacto da escola do parâmetro de suavização utilizamos dados de homicídios de algumas cidades da região metropolitana de Belo Horizonte.