Diagnóstico e seleção de modelos com resposta binária e função de ligação assimétrica

• Ano de defesa: 2023
• Autor(a) principal: Coelho, Fabiano Rodrigues
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Asymmetric link Function; Dados desbalanceados; Função de ligação assimétrica; mixed binary models and bayesian estimation; Modelos binários mistos e estimação bayesiana; Unbalanced data
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-05032024-081113/

Para variáveis resposta binárias, as funções de ligação probito e logito são amplamente utilizadas. No entanto, quando os dados são desbalanceados, as abordagens tradicionais podem não ser adequadas. Neste trabalho é considerado a função de ligação skew-probito como uma possível alternativa para modelos com resposta binária. Os parâmetros são estimados por meio de uma abordagem bayesiana utilizando Monte Carlo Hamiltoniano, e a análise de resíduos é desenvolvida. Além disso, uma extensão para o caso de modelos mistos é apresentada, com a estimação dos parâmetros sendo realizada por meio de integração numérica. Como aplicação prática, analisamos dois conjuntos de dados. Em ambas as aplicações, é possível verificar, por meio de critérios de seleção de modelos, que o modelo skew-probito é mais eficiente do que as abordagens tradicionais. Computacionalmente, para o modelo com efeitos fixos, utilizamos a linguagem Stan adaptada ao software R. No caso misto, consideramos a metodologia INLA. Propostas para trabalhos futuros também são discutidas.