Ajustes de modelos de regressão lineares generalizados na prevalência de infecção respiratória aguda

Abstract

Os modelos de regressão, assim como em toda teoria estatística, são usualmente utilizados de amostras para representar populações. As relações descritas através destes modelos são representadas por estatísticas (valores dos estimadores, que são calculados a partir da amostra), que passam a representar as verdadeiras relações envolvidas com a população, donde provém o conjunto de dados. Os Modelos Lineares Generalizados (MLG’s) apresentam-se como ferramentas poderosas na análise de dados onde o interesse é o estudo da relação entre uma variável resposta, medida em escala contínua ou discreta e variáveis que tomam valores inteiros não negativos, em função das variáveis preditoras, tanto de natureza quantitativas e/ou qualitativas. É importante observar que, em algumas metodologias de análise, são requeridos alguns pressupostos que nem sempre são atendidos, portanto, o experimentador não pode se omitir sob consequências graves como, por exemplo, valores elevados dos erros e inferências inconsistentes (viesadas). Para modelar o número de casos de Influenza Respiratória Aguda (IRA), utilizou-se o modelo de Poisson, mas, após este ajuste constatou-se a presença de sobredispersão. Alternativamente, utilizou-se uma distribuição binomial negativa para incorporar a sobredispersão. Após o ajuste do número de casos de IRA em função das variáveis temperatura, umidade relativa do ar e precipitação, observou-se que a variável precipitação não era significantiva para o modelo binomial negativo (nível de significância de 5%), constatando-e por meio da análise residual, por meio dos resíduos estudentizados, distância de Cook e matriz de valores h, os quais auxiliam na validação do modelo binomial negativo para IRA, com as variáveis explicativas: temperatura e umidade relativa do ar.