Aplicação dos modelos lineares generalizados com distribuição binomial para dados binários

Abstract

Os modelos lineares generalizados, foram desenvolvidos por Nelder e Wedderburn, que por sua vez estende-se o domí nio da aplicabilidade dos modelos normais lineares e inclui modelos cuja vari ável resposta pertence a famí lia exponencial de distribui ções. Exemplos são os modelos log-lineares, modelos gama para dados cont ínuos, modelos logito e probito para dados de propor ções, dentre outros. Nelder e Wedderburn desenvolveram um algoritmo para calcular as estimativas de m áxima verossimilhan ca, que equivale a uma regressão do mí nimos quadrados ponderados. Ap ós realizar o ajuste de um modelo linear generalizado a determinado conjunto de observações, a varia ção residual poder a ser maior do que a variação que pode ser acomodada pelo modelo. Isso poder a indicar a ocorrência de superdispersão. Dentre v árias das poss íveis causas da superdispersão, duas delas podem ser a forma como o experimento foi conduzido e o processo de coleta dos dados. Quando ocorre a superdispersão, deve-se procurar vari áveis explanat órias adicionais, ou incluir no modelo uma fonte adicional de varia ção que a acomode. Uma das maneiras de se acomodar a superdispersão e incluir um efeito aleat ório no modelo. Neste trabalho, o objetivo e apresentar a estimação dos parâmetros de um modelo linear generalizado e sua implementação no software R.