Influência local em modelos não lineares mistos para dados longitudinais no software SAS

• Ano de defesa: 2024
• Autor(a) principal: Kirch, Jhessica Leticia
• 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: Dados longitudinais; Diagnóstico de modelos; Influential observations; Longitudinal Data; Medidas repetidas; Model diagnostics; Observações influentes; Repeated measures
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-03022025-174334/

Os modelos não lineares de efeitos mistos são uma ferramenta popular para análise de dados longitudinais contínuos. Uma etapa importante da construção de modelos é a aplicação de técnicas de diagnósticos. Este diagnóstico pode ser realizado, por exemplo, através de uma análise de influência para detectar possíveis valores atípicos e observações influentes. A técnica mais comum na detecção de pontos influentes em um modelo consiste em estudar o efeito da remoção completa de casos da análise. Nessa metodologia, conhecida como case-delection o procedimento iterativo de estimação para obtenção do valor exato da estatística deve ser realizado uma vez para ajustar o modelo com todas as observações e uma vez para cada observação que foi excluída da análise, o que torna essa abordagem de alta demanda computacional. Uma abordagem diferente é a influência local, que avalia o impacto de pequenas perturbações da função de verossimilhança. Nesta abordagem, o modelo só precisa ser ajustado uma única vez, o que a torna muito mais atrativa do ponto de vista computacional, além de ser capaz de distinguir a influência dos indivíduos nas estimativas dos parâmetros de efeitos fixos e dos componentes de variância do modelo. Para o contexto de dados longitudinais, a influência local com o esquema de perturbação de caso ponderado é útil para a detecção de indivíduos influentes em modelos de efeitos mistos. Este trabalho tem como principal objetivo a implementação do diagnóstico de influência local com perturbação de caso ponderado em modelos não lineares mistos em linguagem SAS. A metodologia foi aplicada em estudos agrícolas e biológicos, evidenciando a sua aplicabilidade em diferentes contextos. A primeira aplicação foi realizada em um conjunto de dados dendrométricos de laranjeiras, popularmente utilizado na literatura para exemplificar o ajuste de modelos não lineares mistos. O objetivo desta primeira aplicação foi a descrição detalhada de todos os cálculos para obtenção da influência local. Em seguida, foram identificados os indivíduos influentes utilizando o código proposto, evidenciando sua simplicidade e praticidade. Na segunda aplicação, dois modelos não lineares mistos foram ajustados a dados de um experimento com aves canoras, comprovando novamente a simplicidade computacional do código proposto e evidenciando que os resultados da influência local não são significativamente alterados quando um novo modelo não linear misto é utilizado. Por fim, na terceira aplicação, um modelo não linear misto foi proposto para modelar a produção de leite de cabras de um experimento com o objetivo de estudar o efeito do estresse durante a lactação. A identificação dos animais influentes pelo diagnóstico de influência local permitiu ao pesquisador caracterizar animais com perfis atípicos de produção e obter uma visão mais informativa do estudo ao identificar a causa dessa influência.