Modelo marginal de odds proporcionais para dados longitudinais: um estudo de simulação
|
|
- Maria do Loreto Ísis Monsanto Quintanilha
- 6 Há anos
- Visualizações:
Transcrição
1 Modelo marginal de odds proporcionais para dados longitudinais: um estudo de simulação Nívea B. da Silva 1 Enrico A. Colosimo 2 Leila A. F. Amorim 3 1 Introdução Nos últimos anos muitas metodologias têm sido propostas para modelar respostas politômicas ordinais, e o interesse nesse tipo de modelagem tem sido crescente tanto em estudos transversais quanto em longitudinais. Em epidemiologia, por exemplo, há interesse frequente em estimar o risco de eventos adversos, e os pesquisadores geralmente escolhem classificar a resposta de interesse em 2 ou mais categorias a fim de estimar o risco relativo ou a razão de chances, a depender do delineamento do estudo. O uso de respostas politômicas ordinais tem ganhado espaço em estudos sobre qualidade de vida, indicadores de condição de saúde, e até mesmo sobre a gravidade de certa doença. Em estudos transversais a modelagem desse tipo de resposta é feita, em geral, ajustando-se um modelo de logitos cumulativos, também conhecido como modelo de odds proporcionais (McCullagh, 1980). Se acompanhamos os indivíduos durante certo período de tempo, e se mais de uma observação por unidade de análise é obtida, tem-se um desenho de estudo do tipo longitudinal, e neste caso técnicas específicas de modelagem precisam ser utilizadas. A análise de dados longitudinais tem por objetivo detectar possíveis mudanças na resposta dos indíviduos sob o tempo, além de avaliar quais fatores influenciam na heterogeneidade entre indivíduos (Fitzmaurice et al., 2011). Os modelos usuais (modelos marginais (GEE), modelos mistos (GLMM) e modelos de transição) para análise de dados longitudinais podem ser utilizados na modelagem de respostas categóricas com mais do que 2 categorias (Fitzmaurice et al, 2011). Nesse trabalho a modelagem de respostas politômicas ordinais é abordada sob a ótica dos modelos marginais. A metodologia apresentada será ilustrada com a análise de dados de um estudo comparativo conduzido pela Faculdade de Medicina da UFMG e pelo Hospital municipal Odilon Berhens, cujo objetivo foi comparar duas técnicas de analgesia para a dor do trabalho de parto (Soares, 2013). Além da análise de dados, são apresentados resultados de um estudo de simulação conduzido para avaliar a performance do modelo marginal para resposta ordinal. 1 Programa de Pós-Graduação em Estatística - UFMG. ( nivea.bispo@gmail.com) 2 Departamento de Estatística - UFMG 3 Departamento de Estatística - UFBA 1
2 2 Material e métodos A análise de dados com respostas correlacionadas é comum em estudos onde medidas do mesmo indivíduo podem ser obtidas em diferentes ocasiões. As observações repetidas para um mesmo indivíduo caracterizam um estudo longitudinal, onde um dos objetivos é avaliar quais fatores influenciam na heterogeneidade entre indivíduos (Fitzmaurice et al., 2011). Nesse sentido, a resposta do indivíduo i tomada repetidamente ao longo do tempo é definida por Y i j (i = 1,...,n; j = 1,...,n i ). Se Y i j for categórica, e o número de categorias k for superior a 2, teremos uma resposta politômica longitudinal. Metodologias alternativas têm sido usadas para modelar respostas politômicas em estudos longitudinais. Assim como em respostas binárias e de contagem, é possível usar os modelos marginais (GEE) para modelar respostas categóricas com mais de 2 categorias. A seguir descrevemos de forma sucinta essa metodologia. 2.1 Modelos Marginais (GEE) para respostas ordinais Uma das metodologias mais populares para modelar dados cuja resposta tem caráter longitudinal, os modelos marginais fornecem um método unificado para analisar vários tipos de respostas longitudinais, evitando suposições sobre a distribuição do vetor de respostas, e baseando-se exclusivamente em suposições sobre a resposta média. Essa classe de modelos é apropriada quando o foco da análise é inferir sobre a população média. Assumindo que n indivíduos são medidos repetidamente ao longo do tempo, denotemos Y i j como sendo uma resposta ordinal com k categorias, k = 1,...,K, para o i-ésimo indivíduo na j-ésima ocasião. Associado a cada resposta Y i j, há um vetor p 1 de covariáveis X i j. maneira: Podemos, assim, especificar um modelo marginal para respostas ordinais da seguinte 1. logito (F i jk ) = γ k + Xi T j β, onde F i jk = P(Y i j k); { 2. Var(U i jk X i j ) = F i jk (1 F i jk ), ondeu i jk = 1, se Y i j k 0, se Y i j > k ; 3. A correlação entre os componentes de (U i j1,...,u i j,k 1 ) na j-ésima ocasião será uma função conhecida da média por meio de F i jk, ao especificarmos a associação intra-indivíduo (α). por: Uma extensão natural do modelo de odds proporcionais para dados longitudinais é dada [ ] P(Yi j k) log = γ k + Xi T j β, k = 1,2,...,K 1 (1) 1 P(Y i j k) Nesse modelo a mudança nos K 1 logitos cumulativos, ao longo do tempo, está relacionada com as covariáveis. E, embora ele inclua K 1 interceptos γ k, assume-se que o efeito 2
3 das covariáveis é o mesmo entre os K 1 logitos, o que equivale dizer que o efeito das covariáveis sob as odds cumulativas são proporcionais (Fitzmaurice et al, 2011). Nos modelos marginais a estimação dos parâmetros é feita utilizando-se as equações de estimação propostas por Heagerty e Zeger (1996): [ µi U 1 (β,α) = β e U 2 (α) = n i=1 n i=1 onde V i11 representa a matriz de covariância de Y i j ; ] T V 1 i11 (Y i µ i (β)) (2) [ ] T ζi Mi 1 (Yi ζ i ) (3) α ζ i é um vetor de tamanho C 2 n i, cujos elementos são ξ i( j,s)(k1,k 2 )E(Y i jk1 Y i jk2 ); M i = diag[ζ i (1 ζ i )], e Y i = ((Y i1 1 C ) T,(Y i2 1 C ) T,...,(Y i(ni 1) 1 C ) T ) T. O algoritmo de estimação para resolver as equações de estimação (2) e (3) são similares ao proposto por Liang e Zeger (1986). É válido ressaltar que o parâmetro α na equação (3) é estimado em termos da razão de chances global. 2.2 Aplicação a dados reais Estudo comparativo conduzido pela Faculdade de Medicina da UFMG e pelo Hospital municipal Odilon Berhens, cujo objetivo foi comparar duas técnicas de analgesia para a dor do trabalho de parto. No estudo 49 pacientes foram acompanhadas durante todo o período até o parto. Consideramos como resposta de interesse a intensidade da dor, avaliada através de uma escala visual analógica (EVA) ( 1: dor leve e tolerável; 2: dor moderada e que causa desconforto; 3: dor intensa e insuportável), tendo sido medida a cada 5 minutos (5,10,15,20,25,30 minutos) após a anestesia, e após isso a cada 30 minutos até o parto (60, 90, 120,...). Para as análises apresentadas aqui considerou-se o tempo até 90 minutos para reduzir o número de medidas por paciente. Neste caso j denota os tempos onde a intensidade da dor foi avaliada. Assim, j = 0,5,10,15,20,25,30,60,90 minutos. As variáveis preditoras consideradas para ajuste do modelo são: grupo (0:peridural; 1:remifentanil), idade da paciente, frequência respiratória (FR), consumo de ocitocina, dilatação uterina (DU). Assumimos que o log da odds para uma das categorias da resposta ordinal em cada tempo j segue o seguinte modelo de odds proporcionais marginais: log [ P(Yi j k X i j ) 1 P(Y i j k X i j ) 2.3 Estudo de simulação ] = γ k + β 1 grupo i + β 2 idade i + β 3 ocitocina i + β 4 FR i j + β 5 DU i j + β 6 tempo i j Estudo conduzido com o objetivo de avaliar a performance do modelo marginal para resposta ordinal. Para gerar as respostas ordinais correlacionadas foi utilizada a função rmult.clm 3
4 do pacote SimCorMultRes, disponível no software R Assumimos Y i j com 3 categorias. Além disso, foram considerados diferentes cenários para o número de medidas repetidas (assumimos j = 3,5 e 7 medidas por indivíduo), assumindo uma correlação de 0.6 entre as respostas. Os tamanhos amostrais considerados em cada cenário foram n = 100,500, e 1000, com 500 replicações de Monte Carlo cada. Os valores assumidos para os interceptos γ k foram 1.0 e 0.5, respectivamente, e para avaliar o efeito do coeficiente de regressão nos modelos assumiuse β = 1, gerando-se a variável X a partir de uma distribuição U(0,1). A partir dos resultados obtidos foram calculados a média, desvio-padrão, o viés, e o erro quadrático médio (EQM) para os γ k e β em todos os cenários. 3 Resultados 3.1 Aplicação Três diferentes estruturas para a matriz de trabalho foram consideradas, e os resultados obtidos nos 3 ajustes foram bem similares, o que corrobora a teoria do modelo no sentido de que independente da matriz de trabalho escolhida, as estimativas para o coeficiente β são consistentes. Assim, tomando o modelo com matriz de trabalho do tipo simétrica composta, observa-se que o efeito de grupo foi estatisticamente significativo, indicando, haver diferença entre os tratamentos, ou seja, a chance de uma parturiente do estudo sentir dor dor leve é menor entre aquelas que tomaram remifentanil (e 1,793=0,17 ) em comparação às que tomaram epidural. E, devido ao pressuposto de proporcionalidade das odds, a chance de sentir dor leve ou moderada é a mesma. (Tabela 1). Tabela 1: Estimativas dos parâmetros para o modelo marginal no estudo sobre analgesia do parto. R(α) independente R(α) simétrica composta R(α) não estruturada + variável β ep p-valor β ep p-valor β ep p-valor γ 1 1,351 1,218-1,804 1,287-1,669 1,308 - γ 2 3,008 1,218-3,443 1,284-3,304 1,296 - grupo (Remifetanil) -1,629 0,369 <0,001-1,793 0,408 <0,001-1,829 0,044 <0,001 Tempo -0,001 0,004 0,827-0,002 0,004 0,608-0,002 0,004 0,544 idade -0,037 0,035 0,299-0,039 0,037 0,303-0,039 0,037 0,286 ocitocina -0,001 0,008 0,866-0,003 0,009 0,775-0,001 0,008 0,846 DU -0,173 0,130 0,185-0,197 0,144 0,172-0,173 0,130 0,185 FR -0,016 0,033 0,620-0,028 0,035 0,427-0,021 0,035 0,548 α - 1,043 0,246 <0,001 α 0,5 = 1,767 0,709 0,012 α 0,10 = 0,948 0,596 0,112.. α 60,90 = 1,188 0,722 0,099 erro-padrão baseado no estimador sanduiche da variância associação intra-indivíduo baseada no log da odds ratio + Para a estrutura de associação são 36 combinações entre os tempos, ou seja 36 α s foram estimados 4
5 3.2 Estudo de simulação Os resultados obtidos para n=500 e 1000, considerando 3 e 5 medidas repetidas, respectivamente, encontram-se na Tabela 2. A partir dos resultados observa-se que há uma melhora substancial nos resultados quando aumentamos o número de medidas repetidas. Tabela 2: Medidas resumo para γ 1, γ 2 e β com j = 3 e j = 5 medidas repetidas j=3 j=5 medidas resumo n=500 n=1000 n=500 n=1000 ˆγ 1 ˆγ 2 ˆβ média -1,0031 0,5024 1,0100-1,0003 0,5069 1,0047-1,0108 0,4895 1,0229-1,0094 0,4944 1,0196 desvio-padrão 0,1489 0,1459 0,2470 0,1861 0,1860 0,1082 0,1374 0,1346 0,2372 0,1311 0,1282 0,2291 vício -0,0031 0,0024 0,0100-0,0003 0,0069 0,0047-0,0108-0,0105 0,0229-0,0094-0,0056 0,0196 EQM 0,0222 0,0213 0,0611 0,0346 0,0346 0,0117 0,0190 0,0182 0,0568 0,0173 0,0164 0, Conclusão Nos últimos anos há um crescente interesse em se estudar técnicas de modelagem para respostas ordinais, sendo o modelo de odds proporcionais (McCullagh, 1980) o mais utilizado na prática. Em estudos longitudinais os modelos usuais podem ser utilizados na modelagem de respostas ordinais, sendo os modelos marginais uma das metodologias mais populares, devido, principalmente, à facilidade na interpretação dos coeficientes estimados. Os resultados obtidos a partir do estudo de simulação apontam para uma boa performance do modelo marginal, indicando que mesmo com poucas medidas repetidas ( j = 3 ou j = 5) por indivíduo, é possível obter bons resultados. Em relação à aplicação ao conjunto de dados reais, observamos que independente da escolha da matriz de trabalho, as estimativas para os coeficientes de regressão são consistentes. Referências [1] FITZMAURICE, G. M., LAIRD, N. M., WARE, J. H. Applied Longitudinal Analysis - 2 nd Edition. Wiley, [2] HEAGERTY, P., LIANG, K-Y., ZEGER, S. L. Marginal regression models for clustered ordinal measurements. JASA, 91, , [3] McCULLAGH, P. Regression Models for Ordinal Data. Journal of the Royal Statistical Society, Series B, 42, , [4] LIANG, K.Y., ZEGER, S.L. Longitudinal Data Analysis for Discrete and Continuous Outcomes. Biometrics, 42, , 1986b. [5] SOARES, E. S. C. Remifetanil venoso versus analgesia peridural intermitente para o trabalho de parto - Estudo comparativo. Dissertação de mestrado, [6] TOULOUMIS, A. Package SimCorMultRes - software R, nov/
Análise de Dados Longitudinais Aula
1/24 Análise de Dados Longitudinais Aula 31.10.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/24 Sumário 1 Dados Ausentes em Estudos Longitudinais 2 Imputação de Dados 3 Simulações
Leia maisAnálise de Dados Longitudinais Modelos de Regressão - Perspecitva Histórica
1/41 Análise de Dados Longitudinais Modelos de Regressão - Perspecitva Histórica Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Revisão para Dados Transversais 1 Características Informações amostrais
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisDimensionamento de amostras para regressão logística
Dimensionamento de amostras para regressão logística Arminda Lucia Siqueira 1 Flávia Komatsuzaki 1 Introdução Regressão logística é hoje padrão de análise para muitos estudos da área da saúde cuja variável
Leia maisUM MODELO DE FRAGILIDADE PARA DADOS DISCRETOS DE SOBREVIVÊNCIA. Eduardo Yoshio Nakano 1
1 UM MODELO DE FRAGILIDADE PARA DADOS DISCRETOS DE SOBREVIVÊNCIA Eduardo Yoshio Nakano 1 1 Professor do Departamento de Estatística da Universidade de Brasília, UnB. RESUMO. Em estudos médicos, o comportamento
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisExemplos Equações de Estimação Generalizadas
Exemplos Equações de Estimação Generalizadas Bruno R. dos Santos e Gilberto A. Paula Departamento de Estatística Universidade de São Paulo, Brasil giapaula@ime.usp.br Modelos Lineares Generalizados dos
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Modelo de Poisson e Análise de Dados Longitudinais Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisCoeficiente de determinação R 2 no modelo de regressão linear normal
Coeficiente de determinação R 2 no modelo de regressão linear normal Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br
Leia maisModelos de regressão para dados correlacionados. Cibele Russo
Modelos de regressão para dados correlacionados Cibele Russo cibele@icmc.usp.br ICMC USP Mini-curso oferecido no Workshop on Probabilistic and Statistical Methods 28 a 30 de janeiro de 2013 Cibele Russo
Leia maisModelos Lineares Generalizados
Modelos Lineares Generalizados Emilly Malveira de Lima Análise de Dados Categóricos Universidade Federal de Minas Gerais - UFMG 10 de Maio de 2018 Emilly Malveira (PGEST-UFMG) 10 de Maio de 2018 1 / 20
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisModelagem da estrutura de covariância na análise de medidas repetidas
Modelagem da estrutura de covariância na análise de medidas repetidas Marisol García Peña Sergio Arciniegas Alarcón Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisAlternativas à Regressão Logística para análise de dados
XVIII Congresso Mundial de Epidemiologia VII Congresso Brasileiro de Epidemiologia EIDEMIOLOGIA NA CONSTRUÇÃO DA SAÚDE ARA TODOS: MÉTODOS ARA UM MUNDO EM TRANSFORMAÇÃO Alternativas à Regressão Logística
Leia maisCOMPARAÇÃO DE DUAS ABORDAGENS DOS MODELOS DE TRANSIÇÃO DE MARKOV EM EXPERIMENTOS PLANEJADOS COM DADOS BINÁRIOS CORRELACIONADOS
COMPARAÇÃO DE DUAS ABORDAGENS DOS MODELOS DE TRANSIÇÃO DE MARKOV EM EXPERIMENTOS PLANEJADOS COM DADOS BINÁRIOS CORRELACIONADOS Maurício Santana LORDÊLO1 Sônia Maria De Stefano PIEDADE 2 Gilênio Borges
Leia maisDimensionamento de amostras para estudos com variável resposta ordinal
Dimensionamento de amostras para estudos com variável resposta ordinal Arminda Lucia Siqueira 1 Aloísio Joaquim Freitas Ribeiro 1 Edna Afonso Reis 1 Ilka Afonso Reis 1 1 Introdução Uma situação comum na
Leia maisAjuste e comparação de modelos para dados grupados e censurados
Ajuste e comparação de modelos para dados grupados e censurados 1 Introdução José Nilton da Cruz 1 Liciana Vaz de Arruda Silveira 2 José Raimundo de Souza Passos 2 A análise de sobrevivência é um conjunto
Leia maisAnálise de Sobrevivência
Análise de Sobrevivência Modelagem paramétrica Valeska Andreozzi 1 valeska.andreozzi@fc.ul.pt & Marilia Sá Carvalho 2 cavalho@fiocruz.br 1 Centro de Estatística e Aplicações da Universidade de Lisboa,
Leia maisAnálise de Dados Longitudinais
1/31 Análise de Dados Longitudinais Introdução à Disciplina Enrico A. Colosimo-UFMG www.est.ufmg.br enricoc 2/31 Medidas Repetidas/Dados Longitudinais Medidas Repetidas Medidas Repetidas são obtidas quando
Leia maisDiferentes estratégias para modelagem de respostas politômicas ordinais em estudos longitudinais. Nívea Bispo da Silva
Diferentes estratégias para modelagem de respostas politômicas ordinais em estudos longitudinais Nívea Bispo da Silva Dissertação apresentada ao Programa de Pós-Graduação em Estatística da Universidade
Leia maisAnálise de Dados Longitudinais Modelos Lineares Generalizados Longitudinais
1/55 Análise de Dados Longitudinais Modelos Lineares Generalizados Longitudinais Enrico A. Colosimo-UFMG www.est.ufmg.br/ enricoc 2/55 Respostas Longitudinal Não-Gaussiana 1 Y ij, i = 1,..., N; j = 1,...,
Leia maisAnálise de Dados Longitudinais
1/35 Análise de Dados Longitudinais Introdução à Disciplina Enrico A. Colosimo-UFMG www.est.ufmg.br/ enricoc 2/35 Medidas Repetidas/Dados Longitudinais Medidas Repetidas Medidas Repetidas são obtidas quando
Leia maisUtilização de modelos marginais na análise de dados longitudinais irregulares em relação ao tempo
Utilização de modelos marginais na análise de dados longitudinais irregulares em relação ao tempo César Gonçalves de Lima 1 Michele Barbosa 2 Valdo Rodrigues Herling 3 1. Introdução Dados longitudinais
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisModelo de regressão Beta
Modelo de regressão Beta Fernando Lucambio Pérez Departamento de Estatística Universidade Federal do Paraná Agosto de 2004 1 Consideremos uma situação em que a variável resposta contínua é restrita ao
Leia maisMeta-análise: comparação de proporções para o caso de duas amostras independentes
Meta-análise: comparação de proporções para o caso de duas amostras independentes Arminda Lucia Siqueira 1 Edna Afonso Reis 1 Ilka Afonso Reis 1 Luana Sílvia dos Santos 1 Pollyanna Vieira Gomes da Silva
Leia maisANÁLISE E MODELAGEM DE DADOS LONGITUDINAIS NO R
Revista da Estatística UFOP, Vol II, 2012, ISSN 2237-8111, XI Encontro Mineiro de Estatística - MGEST ANÁLISE E MODELAGEM DE DADOS LONGITUDINAIS NO R Leandro Vitral Andraos 1,2, Marcel de Toledo Vieira
Leia maisPARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES
PARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES 2.1 DEFINIÇÃO DO MODELO DE REGRESSÃO SIMPLES Duas variáveis: y e x Análise explicar y em termos de x
Leia maisDisciplina de Modelos Lineares
Disciplina de Modelos Lineares 2012-2 Seleção de Variáveis Professora Ariane Ferreira Em modelos de regressão múltipla é necessário determinar um subconjunto de variáveis independentes que melhor explique
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Análise Estatística. Análise Estatística Motivação: Fila de 1 servidor. Clientes chegam em um banco (sistema)
Leia maisModelo Linear Generalizado Exponencial Potência
Modelo Linear Generalizado Exponencial Potência Cristian Villegas 1 2 1 Introdução Os modelos lineares normais são amplamente aplicados em diversas áreas do conhecimento para modelar a média de dados contínuos
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisO USO DE MODELOS DE REGRESSÃO LOGÍSTICA PARA AVALIAÇÃO DO PROBLEMA DE EVASÃO DE ALUNOS NO CURSO DE QUÍMICA INDUSTRIAL DA UNUCET-UEG
O USO DE MODELOS DE REGRESSÃO LOGÍSTICA PARA AVALIAÇÃO DO PROBLEMA DE EVASÃO DE ALUNOS NO CURSO DE QUÍMICA INDUSTRIAL DA UNUCET-UEG Robson de Souza Vieira 1 ; Rogério Silva Pimentel 1 ; Emerson Wruck 2
Leia maisFundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia. Estatística espacial. Padrão Pontual
Fundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia Estatística espacial Padrão Pontual Padrão de Pontos A análise de padrão de pontos, é o tipo mais simples de análise
Leia maisAnálise de Dados Longitudinais Aula
1/20 Análise de Dados Longitudinais Aula 13.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/20 Sumário 1 Modelos Marginais 2 3/20 Modelos Marginais Modelos Marginais para Dados
Leia maisQuantis residuais. Luziane Franciscon Acadêmica de Estatística Universidade Federal do Paraná
Quantis residuais Luziane Franciscon Acadêmica de Estatística Universidade Federal do Paraná Orientador: Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Resumo Uma etapa importante
Leia maisModelo de regressão estável aplicado a econometria
Modelo de regressão estável aplicado a econometria financeira Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br 1 Objetivos
Leia maisComparando equações de regressão em dados de saúde
Comparando equações de regressão em dados de saúde Terezinha Aparecida Guedes*, Ivan Ludgero Ivanqui e Ana Beatriz Tozzo Martins Departamento de Estatística, Universidade Estadual de Maringá, Av Colombo,
Leia maisEconometria. Econometria ( ) O modelo de regressão linear múltipla. O modelo de regressão linear múltipla. Aula 2-26/8/2010
Aula - 6/8/010 Econometria Econometria 1. Hipóteses do Modelo de RLM O modelo de regressão linear múltipla Estudar a relação entre uma variável dependente e uma ou mais variáveis independentes. Forma genérica:
Leia maisUNIDADE PRESIDÊNCIA/PROCC INSTITUIÇÃO FIOCRUZ/RJ SUBPROJETO - INICIAÇÃO CIENTÍFICA (PIBIC) ALGUNS DESAFIOS METODOLÓGICOS DO ELSA-BRASIL
UNIDADE PRESIDÊNCIA/PROCC INSTITUIÇÃO FIOCRUZ/RJ SUBPROJETO - INICIAÇÃO CIENTÍFICA (PIBIC) ALGUNS DESAFIOS METODOLÓGICOS DO ELSA-BRASIL Aluno: Adriana dos Santos Lima Orientador: Aline Araújo Nobre Co-orientador:
Leia maisEconometria. Econometria MQO MQO. Resíduos. Resíduos MQO. 1. Exemplo da técnica MQO. 2. Hipóteses do Modelo de RLM. 3.
3. Ajuste do Modelo 4. Modelo Restrito Resíduos Resíduos 1 M = I- X(X X) -1 X Hipóteses do modelo Linearidade significa ser linear nos parâmetros. Identificação: Só existe um único conjunto de parâmetros
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisAULA 9 - MQO em regressão múltipla: Propriedades Estatísticas (Valor Esperado)
AULA 9 - MQO em regressão múltipla: Propriedades Estatísticas (Valor Esperado) Susan Schommer Econometria I - IE/UFRJ Valor esperado dos estimadores MQO Nesta aula derivamos o valor esperado dos estimadores
Leia maisEnsaio Clínico de Contraceptivos José Luiz Padilha da Silva 24 de outubro de 2018
Ensaio Clínico de Contraceptivos José Luiz Padilha da Silva 24 de outubro de 2018 Exemplo: Ensaio Clínico de Contraceptivos Introdução Este exemplo é de um estudo longitudinal de uso de contraceptivos
Leia maisAnálise de Dados Longitudinais Modelos Lineares Mistos
1/61 Análise de Dados Longitudinais Modelos Lineares Mistos Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ 2/61 Modelo Linear Misto 1 Modelo de Efeitos Fixos: apresenta somente fatores fixos,
Leia maisPrincípios de Bioestatística
Princípios de Bioestatística Cálculo do Tamanho de Amostra Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 1 / 32 2 / 32 Cálculo do Tamanho de Amostra Parte fundamental
Leia maisAULAS 28 E 29 Análise de Regressão Múltipla com Informações Qualitativas
1 AULAS 28 E 29 Análise de Regressão Múltipla com Informações Qualitativas Ernesto F. L. Amaral 07 e 09 de dezembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à
Leia maisAnálise de Dados Categóricos
1/43 Análise de Dados Categóricos Modelo de Regressão de Poisson Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Departamento de Estatística Universidade Federal de Minas Gerais 2/43 Revisão:
Leia maisAula 2 Tópicos em Econometria I. Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses
Aula 2 Tópicos em Econometria I Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses A Questão da Causalidade Estabelecer relações entre variáveis não é suficiente para a análise econômica.
Leia maisAvaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação
Avaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação Vanessa Siqueira Peres da Silva 1 2 Daniel Furtado Ferreira 1 1 Introdução É comum em determinadas
Leia maisMinera c ao de Dados Aula 6: Finaliza c ao de Regress ao e Classifica c ao Rafael Izbicki 1 / 33
Mineração de Dados Aula 6: Finalização de Regressão e Classificação Rafael Izbicki 1 / 33 Como fazer um IC para o risco estimado? Vamos assumir que ( X 1, Ỹ1),..., ( X s, Ỹs) são elementos de um conjunto
Leia maisModelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência
Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Erica Castilho Rodrigues 12 de Agosto Introdução 3 Vimos como usar Poisson para testar independência em uma Tabela 2x2.
Leia maisvariável dependente natureza dicotômica ou binária independentes, tanto podem ser categóricas ou não estimar a probabilidade associada à ocorrência
REGRESSÃO LOGÍSTICA É uma técnica recomendada para situações em que a variável dependente é de natureza dicotômica ou binária. Quanto às independentes, tanto podem ser categóricas ou não. A regressão logística
Leia maisCOKRIGAGEM. Aplicação da cokrigagem
COKRIGAGEM Procedimento geoestatístico segundo o qual diversas variáveis regionalizadas podem ser estimadas em conjunto, com base na correlação espacial entre si. É uma extensão multivariada do método
Leia mais4 Informação auxiliar
89 4 Informação auxiliar para Segundo D Orazio et al., 2006, p. 11, o conjunto de modelos identificáveis A B é pequeno e pode ser inapropriado para o fenômeno em estudo. Para resolver esse problema, conforme
Leia maisProfessora: Cira Souza Pitombo. Disciplina: Aplicações de técnicas de análise de dados
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MESTRADO EM ENGENHARIA AMBIENTAL E URBANA Apresentação do Curso Introdução Professora: Cira Souza Pitombo Disciplina: Aplicações de técnicas de análise
Leia maisModelos de regressão para dados correlacionados. Cibele Russo
Modelos de regressão para dados correlacionados Cibele Russo cibele@icmc.usp.br ICMC USP Mini-curso oferecido no Workshop on Probabilistic and Statistical Methods 28 a 30 de janeiro de 2013 Cibele Russo
Leia maisMETÓDOS DE REGRESSÃO KERNEL
METÓDOS DE REGRESSÃO KERNEL George Cavalcanti de Albuquerque Júnior 1; Getúlio José Amorim do Amaral 2 1 Estudante do Curso de Estatística - CCEN UFPE; E-mail: gcdaj1@de.ufpe.br, 2 Docente/pesquisador
Leia maisTécnicas econométricas para avaliação de impacto O uso de algoritmos de emparelhamento baseados em escore de propensão propensity score matching
Técnicas econométricas para avaliação de impacto O uso de algoritmos de emparelhamento baseados em escore de propensão propensity score matching Bruno César Araújo Instituto de Pesquisa Econômica Aplicada
Leia maisModelos heterocedásticos com erros nas variáveis: modelando a emissão de raios-x contra a massa de buracos negros
Modelos heterocedásticos com erros nas variáveis: modelando a emissão de raios-x contra a massa de buracos negros Alexandre Galvão Patriota IME - USP Alexandre Galvão Patriota (IME - USP) Modelo com erro
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisAjuste do modelo de regressão linear: Inferência Bayesiana, aspectos computacionais e seleção de variáveis.
Ajuste do modelo de regressão linear: Inferência Bayesiana, aspectos computacionais e seleção de variáveis. João Daniel Nunes Duarte a, Vinícius Diniz Mayrink b a Estudante de Graduação, e-mail: joaodaniel@ufmg.br
Leia maisMÉTODO MEAN SHIFT PARA DETECÇÃO DE OUTLIERS EM MODELOS NORMAIS ASSIMÉTRICOS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA MÉTODO MEAN SHIFT PARA DETECÇÃO DE OUTLIERS EM MODELOS NORMAIS ASSIMÉTRICOS Thalita do Bem Mattos Clécio da
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UnB FUB/03 fa 5 4 3 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B corresponde ao quartil central (Q ) da distribuição
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 10 Multicolinearidade: o que acontece se os regressores são correlacionados? Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro.
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Introdução Regressão linear dados independentes séries temporais Regressão de quantis Regressão
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Julgue os itens que se seguem, acerca da estatística descritiva. 51 Na distribuição da quantidade de horas trabalhadas por empregados de certa empresa, é sempre possível determinar
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia maisIntrodução à Regressão Logística Quantílica
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA Introdução à Regressão Logística Quantílica Autor: Tiago Buchweitz Correa Orientador: Professor
Leia maisTransformações e Ponderação para corrigir violações do modelo
Transformações e Ponderação para corrigir violações do modelo Diagnóstico na análise de regressão Relembrando suposições Os erros do modelo tem média zero e variância constante. Os erros do modelo tem
Leia maisTeste de % de defeituosos para 1 amostra
DOCUMENTO OFICIAL DO ASSISTENTE DO MINITAB Este documento é de uma série de papéis que explicam a pesquisa conduzida por estatísticos da Minitab para desenvolver os métodos e as verificações de dados usadas
Leia maisExemplo Ataques Epilépticos
Exemplo Ataques Epilépticos Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Ataques Epilépticos 2 o Semestre 2015 1 / 20 Ataques
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisComparativos dos Modelos Finlay e Wilkinson e Modelo AMMI para Analisar Interação Genótipo Ambiente do Feijão
Comparativos dos Modelos Finlay e Wilkinson e Modelo AMMI para Analisar Interação Genótipo Ambiente do Feijão Tatiana Oliveira Gonçalves de Assis 1 2 Nathielly Lima do Rêgo 1 Carlos Tadeu dos Santos Dias
Leia maisRESOLUÇÃO Nº 01/2016
Legislações Complementares: Resolução Nº 02/2016 Colegiado DEst Resolução Nº 03/2016 Colegiado DEst Resolução Nº 01/2017 Colegiado DEst RESOLUÇÃO Nº 01/2016 O Departamento de Estatística, tendo em vista
Leia maisEAE0325 Econometria II. Professora: Fabiana Fontes Rocha. Gabarito Primeira Lista Teórica de Exercícios
EAE0325 Econometria II Professora: Fabiana Fontes Rocha Gabarito Primeira Lista Teórica de Exercícios Bloco 1 Assinalar se as afirmativas a seguir são verdadeiras V) ou falsas F) Exercício 1 Sobre o modelo
Leia maisIntrodução à Teoria de Resposta ao Item
Caio L. N. Azevedo, IMECC/Unicamp Dani Gamerman, DME/UFRJ I CONBRATRI, Florianópolis 9 de dezembro de 2009 Parte II Parte 2: Implementação computacional. Análise de dados 1. Modelo de 3 parâmetros via
Leia maisUma investigação de métodos para o estudo da influência da incerteza em dados experimentais de vida acelerada
Uma investigação de métodos para o estudo da influência da incerteza em dados experimentais de vida acelerada Autores Maria Celia de Oliveira Papa Orientador Alvaro Jose Abackerli 1. Introdução Uma das
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisAjustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão.
Glossário Ajustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão. Análise de co-variância: Procedimento estatístico utilizado para análise de dados que
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisAline Campos Reis de Souza Instituto de Matemática e Estatística - Universidade de São Paulo Antonio Carlos Pedroso de Lima. 30 de abril de 2018
Modelos conjuntos para dados longitudinais e de sobrevivência: uma aplicação a dados de qualidade de vida e tempo de sobrevivência de pacientes com câncer. Aline Campos Reis de Souza Instituto de Matemática
Leia maisModelos para dados de contagem
O modelo de Poisson Sumário 1 Introdução 2 Regressão de Poisson Taxa de Incidência Inclusão de covariáveis Interpretação dos parâmetros 3 Exemplos 4 Superdispersão Dados de Contagem Podemos estar interessados
Leia maisNotas de Aulas Econometria I ** Eduardo P. Ribeiro, 2010 PARTE II
Notas de Aulas Econometria I ** Eduardo P Ribeiro, 00 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ε t- + υ t, onde υ t é ruído
Leia maisdiferença não aleatória na distribuição dos fatores de risco entre os dois grupos
Confundimento erro devido a uma diferença não aleatória na distribuição dos fatores de risco entre os dois grupos. A variável de confundimento está distribuída desigualmente entre os grupos comparados.
Leia maisRegressão Linear Múltipla no R MAE-0217: ESTATÍSTICA DESCRITIVA MAIO DE 2017 PROFESSORA: MÁRCIA D ELIA BRANCO
Regressão Linear Múltipla no R MAE-0217: ESTATÍSTICA DESCRITIVA MAIO DE 2017 PROFESSORA: MÁRCIA D ELIA BRANCO MONITORA PAE: SIMONE HARNIK Regressão Linear Simples > O modelo de regressão linear simples
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Leia maisIntrodução Regressão linear Regressão de dados independentes Regressão não linear. Regressão. Susana Barbosa
Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2012-2013 Regressão linear x : variável explanatória y : variável resposta Gráfico primeiro! Gráfico primeiro! Gráfico primeiro! Modelo linear x
Leia maisAnálise de Dados Longitudinais Análise Exploratória
1/64 Análise de Dados Longitudinais Análise Exploratória Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ 2/64 Análise Exploratória 1 Estrutura da Média Medidas Resumo; Perfis individuais. Perfil
Leia maisModelos Lineares Generalizados - Introdução
Modelos Lineares Generalizados - Erica Castilho Rodrigues 18 de Março de 2014 3 Por que queremos modelar os dados? A forma do modelo revela padrões de interação e associação nos dados. Através de procedimentos
Leia maisAnálise de modelos lineares mistos com dois fatores longitudinais: um fator quantitativo e um qualitativo ordinal.
Anais do XII Encontro Mineiro de Estatística - MGEST 013. Uberlândia - 0 e 06 de setembro de 013. Revista Matemática e Estatística em Foco - ISSN:318-0 Análise de modelos lineares mistos com dois fatores
Leia maisEconometria Lista 1 Regressão Linear Simples
Econometria Lista 1 Regressão Linear Simples Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 (2.9 do Wooldridge 4ed - Modificado)
Leia maisINFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE
INFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE A análise de deviance é uma generalização, para modelos lineares generalizados, da análise de variância. No caso de modelos lineares, utiliza-se
Leia mais