• 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
 
 
Mémoire de Maîtrise
DOI
10.11606/D.45.2013.tde-28052013-222241
Document
Auteur
Nom complet
Karina Gernhardt Nakamura
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Paulo, 2013
Directeur
Jury
Elian, Silvia Nagib (Président)
Andre, Carmen Diva Saldiva
Sato, João Ricardo
Titre en portugais
Multicolinearidade em modelos de regressão logística
Mots-clés en portugais
estimador em componentes principais
estimador em cristas
multicolinearidade
regressão logística
Resumé en portugais
Neste trabalho estudamos os efeitos da multicolinearidade em modelos de regressão logística e apresentamos estimadores viesados para que tais efeitos fossem minimizados. Primeiramente, o modelo de regressão logística e o processo para a estimação dos parâmetros foram apresentados. Foram feitos, também, alguns testes para avaliar a significância dos mesmos, bem como técnicas para analisar a qualidade do ajuste do modelo. Em seguida, os efeitos da multicolinearidade na estimação dos parâmetros e na sua inferência foram avaliados, bem como técnicas para o seu diagnóstico. Para amenizar o efeito deste problema, apresentamos dois estimadores alternativos ao de máxima verossimilhança: estimador em cristas e estimador em componentes principais. Comparamos, então, o desempenho dos três estimadores na forma de um estudo de simulação e de uma aplicação em um conjunto de dados reais. O principal resultado obtido foi que, na presença de multicolinearidade, os estimadores alternativos conseguiram um melhor ajuste em comparação ao de máxima verossimilhança, além de minimizar os seus efeitos.
Titre en anglais
Multicollinearity in logistic regression models
Mots-clés en anglais
logistic regression
multicollinearity
principal component estimator
ridge estimator
Resumé en anglais
This work proposes the use of some biased estimators to investigate whether is possible minimize the multicollinearity effects in logistic regression models. Initially, the latter model was presented, as well as its fitting process (therefore obtaining the maximum likelihood estimator), some tests to evaluate the significance of the parameters and techniques to analyze goodness of fit were also considered. Furthermore, the effects of multicollinearity in the fitting process and in the parameters inference were discussed, as well as techniques to identify the presence of multicollinearity. In order to diminish the effect of this problem, two alternative estimators were presented: ridge estimator and principal component estimator. Therefore, these three estimators performances were compared using a simulation study and applied in a real data set. The manly conclusion was that, in the presence of multicollinearity, the alternative estimators performed better than the maximum likelihood estimator, besides reducing its effects.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2013-05-29
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
Centro de Informática de São Carlos
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2020. Tous droits réservés.