Upload
vucong
View
213
Download
0
Embed Size (px)
Citation preview
Selecao e comparacao de modelos
Prof. Caio Azevedo
(grande parte do material apresentado foi extraıdo do livro Modelos
de regressao com apoio computacional do Prof. Gilberto A. Paula)
http : //www .ime.usp.br/∼giapaula/texto 2013.pdf
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Introducao
Vimos como verificar se um determinado modelo (normal-
linear-homocedastico) se ajusta adequadamente aos dados.
Uma outra questao de interesse surge quando se dispoe de diversos
modelos (que se ajustam adequadamente aos dados) e respondem as
perguntas de interesse, e queremos escolher um como o “mais
apropriado”.
Ha diversas tecnicas disponıveis para este fim.
Veremos tecnicas baseadas em testes de hipotese e comparacao de
estatısticas de ajuste.
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Teste da razao de verossimilhancas
Sejam M1 e M2 dois modelos, em que M1 esta encaixado em M2, ou
seja, o modelo M1 e um caso particular de M2.
Por exemplo, M1 e um modelo linear e M2 e um modelo quadratico.
Neste caso temos que
H0 : o modelo M1 e preferıvel ao modelo M2.
Denote por Li (θ) e li (θ) o maximo da verossimilhanca e da
log-verossimilhanca do modelo i , respectivamente.
θ corresponde a estimativa de maxima verossimilhanca obtida sob o
modelo i .
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Teste da razao de verossimilhancas (cont.)
A estatıstica do TRV e dada por ∆ = L1(θ)
L2(θ).
Rejeita-se H0 se ∆ < δc , em que δc e um valor critico adequado.
Alternativamente, rejeitamos H0 se
Λ = −2ln(∆) = −2(l1(θ)− l2(θ)
)> λc ,
em que P(Q > λc) = α, Q ∼ χ2(γ) e
γ = numero de parametros do modelo M2 - numero de parametros
do modelo M2.
p-valor P(Q > λ), em que λ e o valor observado da estatıstica Λ.
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Estatısticas de comparacao de modelos
O TRV e apropriado na comparacao de modelos encaixados.
Alem disso, ele nao leva em consideracao (diretamente) o numero de
parametros do modelo (somente na distribuicao da estatıstica).
Existem varias alternativas, em termos de estatıstica para comparar
modelos, que “penalizam” a verossimilhanca em relacao ao numero
de parametros, tamanho da amostra entre outros fatores.
Veremos o AIC e o BIC.
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Estatısticas de comparacao de modelos (cont.)
O AIC e BIC sao dados, respectivamente, por:
AIC = −2li (θ) + 2k
BIC = −2li (θ) + 2k ln(n)
que li (θ) denota a log-verossimilhanca do i-esimo modelo avaliada
em alguma estimativa, k e o numero de parametros e n e o numero
de observacoes.
Portanto, o modelo que apresentar os menores valores, sera o
modelo “melhor ajustado” aos dados.
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Metodo de selecao “dinamico”
Existem metodos que selecionam modelos, fixados alguns criterios,
de modo “dinamico”.
Veremos os metodos “forward”, “backward” e “stepwise”.
Tais metodos sao particularmente uteis quanto se dispoes de muitas
covariaveis e/ou muitos fatores.
Vamos considerar, como exemplo, um modelo de regressao, ou seja
Yi = β0 +
p−1∑j=1
βjxij + ξi , ξii.i.d.∼ N(0, σ2)
e defina µij = β0 +∑p−1
j=1 βjxij
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Metodo “forward”
Primeiramente, ajustamos um modelo com somente o intercepto, ou
seja µij = β0. Ajustamos entao, para cada variavel explicativa, um
modelo
µij = β0 + βjxij , j = 1, 2, ..., p − 1
Testa-se H0 : βj = 0 vs H1 : βj 6= 0, j=1,2,...,p-1 (usando-se algum
teste como o TRV, teste Cβ, ou alguma estatıstica de comparacao
de modelos). Seja P o menor nıvel descritivo entre os p − 1 testes.
Se P ≤ PE a variavel correspondente entra no modelo (caso
contrario, o processo e interrompido).
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Metodos “forward” (cont.)
Vamor supor que a variavel X1 foi escolhida. Entao, no passo
seguinte, ajustamos os modelos
µij = β0 + β1x1j + βjxij , j = 2, ..., p − 1
Testa-se H0 : βj = 0 vs H1 : βj 6= 0, j=2,...,p-1 (usando-se algum
teste como TRV, teste Cβ, ou alguma estatıstica de comparacao de
modelos). Seja P o menor nıvel descritivo entre os p − 2 testes. Se
P ≤ PE a variavel correspondente entra no modelo. Repetimos o
procedimento ate que ocorra P > PE .
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Metodo “backward”
Primeiramente, ajustamos o seguinte modelo:
µij = β0 +
p−1∑j=1
βjxij
Testa-se H0 : βj = 0 vs H1 : βj 6= 0, j=1,2,...,p-1 (usando-se algum
teste como o TRV, teste Cβ, ou alguma estatıstica de comparacao
de modelos). Seja P o maior nıvel descritivo entre os p − 1 testes.
Se P > PS a variavel correspondente sai do modelo (caso contrario,
o processo e interrompido).
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Metodo “backward” (cont.)
Vamos supor que X1 tenha saıdo do modelo. Entao ajustamos o
seguinte modelo
µij = β0 +
p−1∑j=2
βjxij
Testa-se H0 : βj = 0 vs H1 : βj 6= 0, j=2,...,p-1 (usando-se algum
teste como TRV, teste Cβ, ou alguma estatıstica de comparacao de
modelos). Seja P o maior nıvel descritivo entre os p − 2 testes. Se
P > PS a variavel correspondente sai do modelo. Repetimos o
procedimento ate que ocorra P ≤ PS .
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Metodo “stepwise”
E uma mistura dos dois procedimentos anteriores.
Iniciamos o processo com o modelo µij = β0. Apos duas variaveis
terem sido incluıdas no modelo, verificamos se a primeira nao sai do
modelo.
O processo continua ate que nenhuma variavel seja incluıda ou seja
retirada do modelo.
Geralmente adotamos 0, 15 ≤ PE ,PS ≤ 0, 25. Outra possibilidade e
usar PE = PS = 0, 20.
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Metodos anteriores usando AIC/BIC
Para qualquer um dos metodos anteriores, se usarmos alguma
estatıstica de comparacao de modelos (como AIC,BIC), procedemos
da seguinte forma
Sempre escolhemos o modelo (retirar/incluir a variavel) que
apresentar o menor valor da estatıstica.
O processo e interrompido como as estatısticas para todos os
modelos possıveis aumenta em relacao ao modelo corrente.
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Exemplo 1
O conjunto de dados em questao foi extraıdo do censo do IBGE de
2000 e apresenta para cada unidade da federacao o numero medio
de anos de estudo e a renda media mensal (em reais) do chefe ou
chefes do domicılio.
Um dos objetivos e estudar o relacionamento da renda media mensal
em funcao do numero medio de anos de estudo.
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Dispersao entre anos de escolaridade e renda
● ●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●●
● ●●●
●
●
●
4 5 6 7 8
40
06
00
80
01
00
01
20
01
40
0
número médio de anos de estudo
ren
da
mé
dia
RR AP
AC
RO
PA
AM
TO
PB
MA
RNSE
PI
BA
PE
AL CE
SP
RJ
ESMG
SC RSPRMT
GOMS
DF
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Cont.
Modelo 1: Yj = β0 + β1xj + ξj
Modelo 2: Yj = β0 + β1xj + β2x2j + ξj
em que
ξjind.∼ N(0, σ2)
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Modelo 1
●
●
●
●
●
●
●●
● ● ●
●
●
●
●
●
●
●●
●
●●
●
●
● ●
●
0 5 10 15 20 25
−2
02
46
Indice
Re
síd
uo
Stu
de
ntiza
do
●
●
●
●
●
●
●●
● ●●
●
●
●
●
●
●
●●
●
●●
●
●
● ●
●
400 600 800 1000 1200
−2
02
46
Valores Ajustados
Re
sid
uo
Stu
de
ntiza
do
●
●
−2
02
4
Re
sid
uo
stu
de
ntiza
do
●
●
●
●
●
●
●●
●●●
●
●
●
●
●
●
●●
●
●●
●
●
● ●
●
−2 −1 0 1 2
−2
02
4
Percentis da N(0,1)
Re
sid
uo
Stu
de
ntiza
do
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Modelo 2
●
●
●
●
●
●
●
●
●
●
● ●
● ●
●
●
●
●
●●
●
●
●
●
● ●
●
0 5 10 15 20 25
−3
−1
01
23
Indice
Re
síd
uo
Stu
de
ntiza
do
●
●
●
●
●
●
●
●
●
●
●●
● ●
●
●
●
●
●●
●
●
●
●
● ●
●
400 600 800 1000 1200 1400
−3
−1
01
23
Valores Ajustados
Re
sid
uo
Stu
de
ntiza
do
●
●●
●
●
●
−2
−1
01
2
Re
sid
uo
stu
de
ntiza
do
●
●
●
●
●
●
●
●
●
●
●●
●●
●
●
●
●
●●
●
●
●
●
● ●
●
−2 −1 0 1 2
−3
−1
01
23
Percentis da N(0,1)
Re
sid
uo
Stu
de
ntiza
do
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Cont.
Modelo 1
Parametro Estimativa EP Estat. t p-valor
β0 -381,28 69,40 -5,49 <0,0001
β1 199,83 13,03 15,34 <0,0001
Modelo 2
Parametro Estimativa EP Estat. t p-valor
β0 546,98 196,80 2,78 0,0104
β1 -152,62 72,86 -2,09 0,0469
β2 31,92 6,54 4,88 0,0001
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Cont.
Estatısticas de comparacao dos modelos
Estatıstica Modelo 1 Modelo 2
AIC 315,26 298,66
BIC 319,15 303,85
log-verossim. -154,63 -145,33
TRV, estatısticas e pvalor entre parenteses: 18,80 (< 0,0001).
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Modelos ajustados
● ●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●●
● ●●●
●
●
●
4 5 6 7 8
40
06
00
80
01
00
01
20
01
40
0
número médio de anos de estudo
ren
da
mé
dia
RR AP
AC
RO
PA
AM
TO
PB
MA
RNSE
PI
BA
PE
AL CE
SP
RJ
ESMG
SC RSPRMT
GOMS
DF
linear
quadrático
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Exemplo 2
Vamos considerar o mesmo conjunto de dados.
Alem do modelo quadratico (anteriormente apresentado), vamos
considerar o seguinte modelo (doravante, Modelo 3)
Yiind∼ Gama(µi , φ)
E (Yi ) = µi = eβ0+β1xij
V (Yi ) = µ2i φ
−1
Note que nao existe estrutura hierarquica entre os modelos.
Portanto, o TRV nao pode ser utilizado.
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Cont.
Resumo do ajuste
Parametro Estimativa EP Estat. t p-valor
β0 4,98 0,07 73,36 <0,0001
β1 0,28 0,01 21,89 <0,0001
Estatısticas de comparacao dos modelos
Estatıstica Modelo 2 Modelo 3
AIC 298,66 288,13
BIC 303,85 292,02
log-verossim. -145,33 -141,07
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Modelos ajustados
● ●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●●
● ●●●
●
●
●
4 5 6 7 8
40
06
00
80
01
00
01
20
01
40
0
número médio de anos de estudo
ren
da
mé
dia
RR AP
AC
RO
PA
AM
TO
PB
MA
RNSE
PI
BA
PE
AL CE
SP
RJ
ESMG
SC RSPRMT
GOMS
DF
norma−quadrático
gama−exponencial
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Exemplo 3
O conjunto de dados se referem a informacoes dos 48 estados
estadunidenses contıguos juntamente com as seguintes variaveis:
taxa (taxa do combustıvel no estado em USD), licenca (proporcao
de motoristas licenciados), renda (renda percapita em USD),
estradas (ajuda federal para as estradas em mil USD) e consumo
(consumo de combustıvel por habitante).
O interesse nesse estudo e tentar explicar o consumo de combustıvel
pelas variaveis taxa, licenca, renda e estradas.
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Dispersao entre o consumo e as varaveis explicativas
●●●
● ●●
●
●●●
●
●
●●
●
●●
●
●
●●
●
●
●
●
●●
●
●●
●●●
●
●
●●
●
●
●
●
●
●●
●
●
●
●
5 6 7 8 9 10
40
06
00
80
0
taxa do combustível no estado (USD)co
nsu
mo
de
co
mbu
stí
ve
l p
or
ha
bita
nte
● ●●
● ●●
●
●●●
●
●
●●
●
●●
●
●
●●
●
●
●
●
●●
●
●●
●●●
●
●
●●
●
●
●
●
●
●●
●
●
●
●
0.45 0.50 0.55 0.60 0.65 0.70
40
06
00
80
0
proporção de motoristas licenciadosco
nsu
mo
de
co
mbu
stí
ve
l p
or
ha
bita
nte
● ●●
●●●
●
●●●
●
●
●●
●
●●
●
●
● ●
●
●
●
●
●●
●
●●
●●●
●
●
● ●
●
●
●
●
●
●●
●
●
●
●
3000 3500 4000 4500 5000
40
06
00
80
0
renda percapita em USDco
nsu
mo
de
co
mbu
stí
ve
l p
or
ha
bita
nte
●●●
●●●
●
● ●●
●
●
●●
●
●●
●
●
● ●
●
●
●
●
● ●
●
●●
●●●
●
●
● ●
●
●
●
●
●
●●
●
●
●
●
0 5000 10000 15000
40
06
00
80
0
ajuda federal para as estradas em mil USDco
nsu
mo
de
co
mbu
stí
ve
l p
or
ha
bita
nte
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Continuacao
O modelo proposto e:
Yi = β0 + β1taxai + β2licencai + β3rendai + β4estradasi + ξi
ξiind.∼ N(0, σ2)
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Ajuste do modelo
Parametro Estimativa EP Estat. t p-valor
β0 377,29 185,54 2,03 0,0482
β1 -34,79 12,97 -2,68 0,0103
β2 1336,45 192,30 6,95 <0,0001
β3 -0,07 0,02 -3,87 0,0004
β4 -0,01 <0,01 -0,72 0,4780
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Analise residual
●
● ●
●
●
● ●
● ●●
●
●
●●
●
●●
●●
● ●●
●
●
●
●
●● ●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
0 10 20 30 40
−2
02
4
Indice
Re
síd
uo
Stu
de
ntiza
do
●
● ●
●
●
●●
●●●
●
●
●●
●
●●
●●
● ●●
●
●
●
●
●●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
400 500 600 700
−2
02
4
Valores Ajustados
Re
sid
uo
Stu
de
ntiza
do
●
−2
01
23
4
Re
sid
uo
stu
de
ntiza
do
●
● ●
●
●
●●
●●●
●
●
●●
●
●●
●●
●●●
●
●
●
●
●●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
−2 −1 0 1 2
−2
02
4
Percentis da N(0,1)
Re
sid
uo
Stu
de
ntiza
do
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Selecao de covariaveis
Usando-se os metodos: “backward”, “forward” e “stepwise”, via
AIC e BIC, eliminou-se apenas a variavel “estradas”.
Ajuste do modelo reduzido (sem a variavel “estradas”).
Parametro Estimativa EP Estat. t p-valor
β0 307,33 156,83 1,96 0,0564
β1 -29,48 10,58 -2,79 0,0078
β2 1374,77 183,67 7,49 <0,0001
β3 -0,07 0,02 -4,00 0,0002
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Analise residual: modelo reduzido
●
● ●
●
●
● ●●
●●
●
●
●●
●
●●
●●
● ●●
●●
●
●
●● ●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
0 10 20 30 40
−2
02
4
Indice
Re
síd
uo
Stu
de
ntiza
do
●
● ●
●
●
●●●
●●
●
●
●●
●
●●
●●
● ●●
●●
●
●
●●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
400 500 600 700
−2
02
4
Valores Ajustados
Re
sid
uo
Stu
de
ntiza
do
●
−1
01
23
4
Re
sid
uo
stu
de
ntiza
do
●
● ●
●
●
●●
●●
●
●
●
●●
●
●●
●
●
● ●
●
●
●
●
●
●● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
−2 −1 0 1 2
−2
02
4
Percentis da N(0,1)
Re
sid
uo
Stu
de
ntiza
do
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Comentarios
Quando as variaveis explicativas sao fatores (modelo ANOVA), e
tem-se um numero elevado deles, os metodos de selecao dinamicas
podem ser uteis.
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Comentarios
Um procedimento de selecao de modelos e:
Utiliza-se um dos procedimentos para selecionar os fatores principais.
Ou seja, considera-se somente a possibilidade de inclusao ou nao dos
fatores principais.
Considerando-se os fatores principais selecionados, seleciona-se as
interacoes de primeira ordem (dos fatores selecionados).
Considerando-se os fatores principais e as interacoes de primeira
ordem, seleciona-se as interacoes de segunda ordem (relativas as
interacoes de primeira ordem selecionadas).
Repete-se o processo ate chegar-se ao modelo de maior nıvel de
hierarquia.
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Exemplo 4
O espinhel de fundo e definido como um metodo de pesca passivo,
sendo utilizado em todo o mundo em operacoes de pesca de
diferentes magnitudes, da pesca artesanal a modernas pescarias
mecanizadas.
E adequado para capturar peixes com distribuicao dispersa ou com
baixa densidade, alem de ser possıvel utiliza-lo em areas irregulares
ou em grandes profundidades.
E um dos metodos que mais satisfazem as premissas da pesca
responsavel, com alta seletividade de especies e comprimentos, alta
qualidade do pescado, consumo de energia baixo e pouco impacto
sobre o fundo oceanico.Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Cont.
O conjunto de dados e relativo a parte dos dados de um estudo
sobre a atividade das frotas pesqueiras de espinhel de fundo
baseadas em Santos e Ubatuba no litoral paulista.
A especie de peixe considerada e o peixe-batata pela sua
importancia comercial e ampla distribuicao espacial.
Uma amostra de n = 156 embarcacoes foi analisada no perıodo de
1995 a 1999 sendo 39 da frota de Ubatuba e 117 da frota de Santos.
Consideraremos as variaveis: frota (Santos ou Ubatuba), ano (95 a
99), trimestre (1 ao 4) e cpue (captura por unidade de esforco,
kg/dias de pesca).
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos
Cont.
Utilizando tal abordagem, o modelo selecionado contemplaria
apenas o fator “frotaf” (veja o programa).
Prof. Caio Azevedo (grande parte do material apresentado foi extraıdo do livro Modelos de regressao com apoio computacional do Prof. Gilberto A. Paula) http : //www.ime.usp.br/∼giapaula/texto 2013.pdf
Selecao e comparacao de modelos