Modelos de regressão beta e simplex para análise de proporções

Diversos estudos compreendem a análise de variáveis definidas no intervalo (0, 1), como porcentagens ou proporções. Os modelos mais adequados são os de regressão baseados nas distribuições beta e simplex. Neste trabalho, apresentamos o modelo de regressão beta proposto por Ferrari & Cribari-Neto...

Nível de Acesso:openAccess
Publication Date:2008
Main Author: Eliane Shizue Miyashiro
Orientador/a: Denise Aparecida Botter
Banca: Rinaldo Artes, Gauss Moutinho Cordeiro
Format: Dissertação
Language:por
Published: Universidade de São Paulo
Programa: Estatística
Assuntos em Português:
Assuntos em Inglês:
Online Access:http://www.teses.usp.br/teses/disponiveis/45/45133/tde-06112009-224039/
Resumo Português:Diversos estudos compreendem a análise de variáveis definidas no intervalo (0, 1), como porcentagens ou proporções. Os modelos mais adequados são os de regressão baseados nas distribuições beta e simplex. Neste trabalho, apresentamos o modelo de regressão beta proposto por Ferrari & Cribari-Neto (2004) e desenvolvemos o modelo de regressão simplex. Definimos um resíduo para o modelo de regressão simplex, muito útil na análise de diagnóstico, a partir do trabalho de Espinheira, Ferrari & Cribari-Neto (2008). Apresentamos uma forma geral para algumas medidas de diagnóstico, que podem ser aplicadas para os dois modelos. Avaliamos os modelos de regressão beta e simplex por meio de duas aplicações a dados reais, utilizando essas medidas.
Resumo inglês:Many studies consider the analysis of variables restricted to the interval (0, 1), as percentages and proportions. The most recommended models are based upon the beta and simplex distributions. In this work, we present the beta regression model proposed by Ferrari and Cribari-Neto (2004) and develop the simplex regression model. We propose a residual for the simplex regression model, which is very useful for the diagnostic analysis, based upon the work of Espinheira et al. (2008). We generalize some diagnostic techniques that can be applied to both models. We evaluate the beta and simplex models by two applications to real data, using those techniques.