Candidato: Josemir Ramos de Almeida
Orientador: Prof. Dr. Heleno Bolfarine
Resumo:ALMEIDA, J. R.
Modelos de regressão linear com dados faltantes nas covariáveis e erros simétricos e assimétricos Estudos em que a base de dados apresenta observações faltantes (missings) são bastante frequentes nas mais diversas áreas do conhecimento. Neste trabalho abordamos modelos de regressão
com distribuição simétrica pros erros bem como dados faltantes nas covariáveis, sendo estas dos tipos qualitativa e quantitativa. Consideramos estimação por máxima verossimilhança seguida de imputação simples e comparamos com os modelos ajustados via algoritmo EM. Abordamos também modelos de regressão com dados faltantes nas covariáveis e erros com distribuição normal assimétrica (skew normal) considerando estimação por máxima verossimilhança via algoritmo EM, também com covariáveis qualitativas e quantitativas. Utilizamos a forma do modelo proposta por Henze (1986) para escrevermos o modelo de regressão skew normal e, pelo método de Louis (1982), encontramos a matriz de variâncias/covariâncias assintóticas do estimador de máxima verossimilhança (EMV).
Finalmente, para ilustrar as metodologias propostas, é feito um estudo de simulação e uma aplicação a dados reais. Tanto nas simulações quanto nas aplicações exploramos diversos percentuais de dados faltantes e nas simulações variamos os tamanhos amostrais.
Palavras-chave: Dados faltantes, modelos de regressão, distribuição skew normal, algoritmo EM.