• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Master's Dissertation
DOI
10.11606/D.45.2007.tde-01072007-080446
Document
Author
Full name
Karin Ayumi Tamura
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2007
Supervisor
Committee
Giampaoli, Viviana (President)
Cysneiros, Francisco José de Azevêdo
Paula, Gilberto Alvarenga
Title in Portuguese
"Modelo logístico multinível: um enfoque em métodos de estimação e predição"
Keywords in Portuguese
Modelos multiníveis
predição da variável resposta.
regressão logística
Abstract in Portuguese
Modelo multinível é uma ferramenta estatística cada vez mais popular para análise de dados com estrutura hierárquica. O objetivo deste trabalho é propor um método para realizar a predição de observações de novos grupos usando modelos de regressão logística multinível com 2 níveis. Além disso, é apresentado e comparado dois métodos de estimação para o modelo multinível: Quase-verossimilhança Penalizada (QVP) e Quadratura de Gauss-Hermite (QGH). A idéia central está baseada no trabalho de (Jiang e Lahiri, 2006) no qual se propõe o uso do chamado melhor estimador empírico para o efeito aleatório. Através deste estimador, utilizou-se a parte fixa do modelo em conjunto com uma estimativa do desvio padrão do efeito aleatório para fazer a predição de observações de novos grupos, encontrando a probabilidade estimada dessa observação apresentar o evento de interesse, dadas suas características.
Title in English
Multilevel logistc model: focusing on estimation and prediction methods
Keywords in English
logistic regression
Multilevel models
variable response prediction.
Abstract in English
Multilevel model is an statistical tool which is becoming more and more popular in data analysis with hierachical structure. The purpose of this dissertation is to present a method to make a prediction of new group observation in multilevel logistic regression models with 2 levels. Besides, were presented and compared two estimation methods for multilevel model: Penalized Quase-likelihood and Gauss-Hermite Quadrature. The central idea is based on the paper of Jiang and Lahiri (2006), which is presented the empirical best estimator for the random effect. Through this estimator was used the fixed part of the model with an estimative of the standard deviation of the random effect to find the estimated probability of this observation presenting the target event, in accordance with its characteristic.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
KarinAyumiTamura.pdf (1.08 Mbytes)
Publishing Date
2013-02-19
 
WARNING: The material described below relates to works resulting from this thesis or dissertation. The contents of these works are the author's responsibility.
  • TAMURA, Karin Ayumi, and GIAMPAOLI, Viviana. Prediction in Multilevel Logistic Regression [doi:10.1080/03610911003790106]. Communications in Statistics - Simulation and Computation [online], 2010, vol. 39, n. 6, p. 1083-1096.
  • TAMURA, Karin Ayumi, e GIAMPAOLI, Viviana. Predição em modelo logísticos multiníveis. Escola de Modelos de Regressão. In Escola de Modelos de Regressão, 10, Salvador, 2007.
All rights of the thesis/dissertation are from the authors
Centro de Informática de São Carlos
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2019. All rights reserved.