A necessidade de classificações repetidas no modelo de regressão logística com erros na variável resposta

• Ano de defesa: 2019
• Autor(a) principal: Danilo Gilberto de Oliveira Valadares
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Minas Gerais; Brasil; ICX - DEPARTAMENTO DE ESTATÍSTICA; Programa de Pós-Graduação em Estatística; UFMG
• Palavras-chave em Português: Resposta binária; Regressão logística; Erros de classificação; Classificações repetidas; Análise de regressão - Teses; Verossimilhança (Estatística) - Teses; Teoria dos erros - Teses
• Link de acesso: http://hdl.handle.net/1843/31235

Maximum likelihood estimators for the logistic regression model with misclassification in the response variable are extremely biased when error probabilities are ignored. If misclassification parameters are incorporated in the likelihood function, the bias of the estimators will be satisfactorily reduced, however, there would be a considerable increase in variability, which would reduce the quality of the decision-making process. To minimize the problem, there is a need to introduce additional information. It will be demonstrated that the realization of repeated measures in the response variable, or in part of it, can reduce bias and variability of the estimators, simultaneously.