Polinômios fracionários em modelos de regressão

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Pós-graduação em Biometria - IBB

Neste trabalho, a flexibilidade dos modelos de polinômios fracionários foi explorada como alternativa quando polinômios simples mostram falta de ajuste em modelos de regressão. Vários tipos de modelos de regressão foram considerados incluindo regressão logística, regressão logística com efeitos aleatórios, e regressão para resposta quantitativa contínua com aumento de variância. Três aplicações para dados biológicos foram realizadas: o exemplo dos rotíferos apresentado em Collett (1991), o estudo da tolerância para temperaturas de células de fungos apresentado em Theodoro et al. (2008) e o estudo da relação entre peso e comprimento de uma espécie de aranhas considerado em Stropa & Trinca (2005). Nos dois primeiros exemplos o modelo de regressão logística foi considerado e o ajuste mostrou sobredispersão dos dados, bem como falta de ajuste dos modelos simples. O uso de polinômios fracionários e a inclusão de efeitos aleatórios nas funções dos preditores lineares mostraram benefícios para ambos os problemas de modelagem. No terceiro exemplo, a relação entre a variável resposta e a regressora foi não-linear com variância do erro não constante. O uso simultâneo de polinômios fracionários e transformações do tipo Box-Cox resultaram em funções preditivas razoáveis para o problema. A influência de pontos particulares foi explorada e todos os exemplos ilustraram que o processo de modelagem, na prática, requer cuidados nas inspeções das violações do modelo, considerações do problema em particular, e na tomada de decisões

In this work the flexibility of fractional polynomial models were explored as alternative when simple polynomials show lack of fit in regression models. Several types of regression models were considered including logistic regression, mixed logistic regression, and regression for a continuous quantitative response with increasing variance. Three applications to biological data were shown: the rotifers example of Collett (1991); the study of tolerance to temperature of fungus cells of Theodoro et al. (2008); and the study of the relationship between weight and size of a specie of spiders of Stropa & Trinca (2005). In the first two examples the logistic model was considered and overdispersion as well as lack of fit of simple models were detected. The use of fractional polynomials and the inclusion of random effects in the linear predictor function showed benefits to both modeling problems. In the third example the relation was non-linear with nonconstant error variance. The simultaneous use of fractional polynomials and Box-Cox transformation resulted in very reasonable prediction functions. Influence of particular points were explored. All examples illustrated that the modeling process in practice includes careful inspections of model violations, practical considerations and decisions