Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/48888
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | Enrico Antonio Colosimo | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/8074052644801438 | pt_BR |
dc.contributor.referee1 | Julio da Motta Singer | pt_BR |
dc.contributor.referee2 | Denise Duarte Scarpa Magalhaes Alves | pt_BR |
dc.contributor.referee3 | Leo Heller | pt_BR |
dc.creator | André Gabriel Ferreira Calaça da Costa | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/3452849349492493 | pt_BR |
dc.date.accessioned | 2023-01-12T14:09:15Z | - |
dc.date.available | 2023-01-12T14:09:15Z | - |
dc.date.issued | 2013-05-06 | - |
dc.identifier.uri | http://hdl.handle.net/1843/48888 | - |
dc.description.abstract | Studies involving binary responses with hierarchical clustering are often found in different areas of knowledge. In regression models clustering structures should be properly handled, once they violate basic assumption of independence of observations. When the main focus of the study lies in the mean structure, first order Marginal Models , known as GEE1 proposed by Liang and Zeger (1986), has no distributional assumptions and offers an ease interpretation solution. However with GEE1 method, it is not possible satisfactorily accommodate hierarchical structures or multiple clustering structures, which may cause loss of efficiency in the mean structure. In order to satisfactorily accommodate hierarchical clustering, GEE1 been extended to the GEE2 (Prentice, 1988) by introducing a second estimation equation, allowing to estimate and make inferences for association parameters starting from covariates. When the main focus of the study lies in association structure and there is a hierarchical clustering structures, it is very common the presence of a large number of observations in the clusters. Numerical methods for GEE2 can be computationally infeasible if the number of observations within the clusters is large, and do not allow use of odds ratio for interpretation of association structure, being possible only the of correlation coefficient. With appropriate modification in the second equation estimation, Carey, Zeger and Diggle (1993) developed the ALR and Zink (2003) the ORTH, that requires less computational effort when compared with existing methods allows the use of odds ratio for interpretation of association structure. Here we report the comparison of marginal models (GEE2, ALR and ORTH) in simulations and real applications cases with hierarchical clustering in binary responses, with the research focus not only on the coefficients of the mean, but also in the association measures. Our results indicate that the methods ALR and ORTH proved to be effective for studies with binary responses in the presence of multiple hierarchical structures, especially in cases with a large number of observations in the clusters. Our results also indicate that when the primary purpose of the research is association structure, one should take special care in modeling the structure of the mean, because its misspecification may inconsistency of the association measures. | pt_BR |
dc.description.resumo | Estudos que envolvem respostas binárias com estruturas hierárquicas de agrupamento são frequentemente encontrados nas diversas áreas do conhecimento. Em modelos de regressão essas estruturas de agrupamento devem ser devidamente tratadas, uma vez que violam o pressuposto básico de independência das observações. Quando o foco principal do estudo está na estrutura da média, os Modelos Marginais de primeira ordem, ajustados pelo método GEE1, propostos por Liang e Zeger (1986), oferecem uma solução elegante por sua facilidade na interpretação e ausência de suposições distribucionais. Entretanto com o método GEE1, não é possível acomodar satisfatoriamente estruturas hierárquicas ou múltiplas estruturas de agrupamento, podendo ocasionar perda de eficiência na estrutura da média. Para acomodar de forma satisfatória estruturas hierárquicas de agrupamento, o GEE1 foi estendido para o GEE2 (Prentice, 1988) com a introdução de uma segunda equação de estimação, o que possibilitou estimar e realizar inferências para os parâmetros de associação a partir de covariáveis. Quando o foco principal do estudo está na estrutura da associação e se tem estruturas hierárquicas de agrupamento, é muito comum `a presença de um grande número de observações nos grupos. Os métodos numéricos para GEE2 podem ser inviáveis computacionalmente se a quantidade de observações dentro dos grupos for grande, além de não permitir utilizar a razão de chances para interpretação da estrutura de associação, sendo possível utilizar somente o coeficiente de correlação. Com adequadas modificações na segunda equação de estimação, Carey, Zeger e Diggle (1993) desenvolveram o ALR e Zink (2003) o ORTH, que além de permitir utilizar a razão de chances para interpretação da estrutura de associação, exigem um menor esforço computacional quando comparados aos métodos já propostos. Neste trabalho apresentamos e comparamos os modelos marginais (GEE2, ALR e ORTH) em simulações e aplicações reais com estruturas hierárquicas de agrupamento em respostas binárias, com o foco da pesquisa não somente nos coeficientes da média, mas também nas medidas de associação. Nossos resultados indicaram que os métodos ALR e ORTH se mostraram eficazes para aplicações com respostas binárias na presença de múltiplas estruturas hierárquicas, especialmente nos casos com um grande número de observações nos grupos. Nossos resultados também indicaram que quando o objetivo principal da pesquisa estiver na estrutura de associação, deve-se ter um cuidado especial na modelagem da estrutura da média, pois sua mal especificação pode induzir uma falta de consistência nas medidas de associação. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | ICX - DEPARTAMENTO DE ESTATÍSTICA | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Estatística | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/pt/ | * |
dc.subject | Respostas binárias | pt_BR |
dc.subject | Estruturas hierárquicas de agrupamento | pt_BR |
dc.subject | Modelos marginais | pt_BR |
dc.subject | Equações de estimação generalizada | pt_BR |
dc.subject | Regressão logística alternada | pt_BR |
dc.subject | Resíduos ortogonalizados | pt_BR |
dc.subject.other | Estatística - Teses | pt_BR |
dc.subject.other | Análise de regressão - Teses | pt_BR |
dc.subject.other | Regressão logística - Teses | pt_BR |
dc.subject.other | Análise multivariada - Teses | pt_BR |
dc.title | Modelos marginais para respostas binárias com estruturas hierárquicas de agrupamento | pt_BR |
dc.type | Dissertação | pt_BR |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Dissertação André Gabriel.pdf | 436.78 kB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License