Refinamentos de métodos assintóticos no modelo de regressão Lindley-Unitária

• Ano de defesa: 2021
• Autor(a) principal: Oliveira, Pedro Ricelly Gama de
• Orientador(a): Silva, Tatiane Ferreira do Nascimento Melo da
• Banca de defesa: Silva, Tatiane Ferreira do Nascimento Melo da, Holanda, Francisco Bruno de Lima, Vargas, Tiago Moreira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Goiás
• Programa de Pós-Graduação: Programa de Pós-graduação em Economia (FACE)
• Departamento: Faculdade de Administração, Ciências Contábeis e Ciências Econômicas - FACE (RG)
• País: Brasil
• Palavras-chave em Português: Correção de viés; Matriz de covariância de segunda ordem; Regressão Lindley-Unitária; Teste de Wald modificado
• Palavras-chave em Inglês: Bias correction; Second-order covariance matrix; Unit- Lindley regression; Modified Wald test
• Área do conhecimento CNPq: CIENCIAS SOCIAIS APLICADAS::ECONOMIA
• Link de acesso: http://repositorio.bc.ufg.br/tede/handle/tede/11202

Modelos de regressão são amplamente utilizados em Economia, principalmente quando os dados envolvidos são taxas e proporções. O modelo de regressão Lindley-Unitária é definido para dados restritos ao intervalo (0,1). Em problemas regulares, a inferência baseada na teoria assintótica pode não ser confiável quando a amostra é pequena. É o caso da estimativa de máxima verossimilhança e do teste de Wald. Correções de vieses nos estimadores de máxima verossimilhança e ajuste feito na estatística de teste são uma forma amplamente utilizada para resolver tais problemas. Nesta dissertação, obtemos uma expressão para corrigir o viés e uma fórmula para a matriz de covariância de segunda ordem para os estimadores de máxima verossimilhança no modelo de regressão Lindley-Unitária. Evidências numéricas mostram que os estimadores corrigidos são menos viesados e que o teste de Wald baseado na covariância de segunda ordem é mais preciso. Finalmente, duas aplicações para dados econômicos são apresentadas, nas quais as correções levaram a diferentes inferências.