Regressão logística com erro de medida: comparação de métodos de estimação

• Ano de defesa: 2013
• Autor(a) principal: Rodrigues, Agatha Sacramento
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Calibração da regressão; Estimação por máxima pseudoverossimilhança; Logistic regression model; Maximum pseudo-likelihood estimation; Measurement error models; Medidas de desempenho na predição; Modelo de regressão logística; Modelos com erro de medida; Predictive measures; Regression calibration estimation; SIMEX estimation.; SIMEX.
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/45/45133/tde-23082013-172348/

Neste trabalho estudamos o modelo de regressão logística com erro de medida nas covariáveis. Abordamos as metodologias de estimação de máxima pseudoverossimilhança pelo algoritmo EM-Monte Carlo, calibração da regressão, SIMEX e naïve (ingênuo), método este que ignora o erro de medida. Comparamos os métodos em relação à estimação, através do viés e da raiz do erro quadrático médio, e em relação à predição de novas observações, através das medidas de desempenho sensibilidade, especificidade, verdadeiro preditivo positivo, verdadeiro preditivo negativo, acurácia e estatística de Kolmogorov-Smirnov. Os estudos de simulação evidenciam o melhor desempenho do método de máxima pseudoverossimilhança na estimação. Para as medidas de desempenho na predição não há diferença entre os métodos de estimação. Por fim, utilizamos nossos resultados em dois conjuntos de dados reais de diferentes áreas: área médica, cujo objetivo está na estimação da razão de chances, e área financeira, cujo intuito é a predição de novas observações.