MÉTODO BOOTSTRAP EM REGRESSÃO LINEAR

Resumo

Métodos de reamostragem são bastante utilizados quando os métodos estatísticos tradicionais não trazem bons resultados. O Bootstrap é um método que utiliza reamostragem dos dados amostrais para estimar, por exemplo, erros padrões de estimadores, intervalos de confiança e testes de hipóteses para parâmetros, entre outras aplicações. Devido à facilidade de aplicação e às poucas suposições que este método necessita, ele se torna muito atraente, além da possibilidade de fornecer ótimos resultados. Os métodos inferenciais em modelos de regressão podem exigir alguns pré-requisitos teóricos, como, por exemplo, a distribuição normal para a variável resposta. A falta do pré-requisito pode desacreditar ou mesmo impedir a utilização dos métodos mais usuais. O objetivo do presente trabalho consiste na estimação dos erros padrões dos estimadores e na construção de intervalos de confiança para os parâmetros de modelos de regressão linear em situações em que os pré-requisitos teóricos não sejam verificados ou sejam fracamente identificados. Serão utilizados os métodos Bootstrap Residual e Bootstrap de Pares para esse fim. Utilizando um conjunto de dados, comparamos os resultados dos métodos de reamostragem e do método usual de estimação. Todos os procedimentos serão realizados no programa computacional R. Os resultados do trabalho mostram a eficácia das estimações por meio do método Bootstrap.