Modelos lineares generalizados para dados de contagem com estrutura de autocorrelação temporal

Abstract

Modelos Autorregressivos e de Médias Móveis Generalizados (GARMA) são uma classe de modelos que foi desenvolvida para estender os modelos ARMA com distribuição Gaussiana para um contexto de séries temporais não Gaussianas. Neste trabalho estudou-se a classe GARMA para modelar séries temporais de dados de contagem com as distribuições de Poisson e Binomial Negativa. A principal finalidade foi apresentar novos procedimentos para a modelagem de séries temporais, que relacionassem os Modelos Lineares Generalizados (MLG) com estrutura Autorregressiva de Média Móvel (ARMA), a fim de modelar dados epidemiológicos de séries temporais (contagem). Para atingir tal finalidade, inicialmente, foram ajustados os modelos Poisson e Binomial Negativo com independência temporal, aplicando os MLG’s e, posteriormente, ajustou-se esses modelos, porém com dependência temporal. Em ambos os casos, para escolha do modelo que melhor se ajustou aos dados, foi considerado o AIC, como critério de seleção. Os modelos com dependência temporal se mostraram mais eficientes por apresentarem AIC’s bem menores. Portanto, os modelos GARMA Poisson e GARMA Binomial Negativo se mostraram mais eficientes para modelagem de dados de contagem com estrutura com dependência temporal.