MODELOS DE REGRESSÃO PARA DADOS PROVENIENTES DE PLANOS AMOSTRAIS COMPLEXOS

Resumo

Modelos estatísticos são obtidos considerando uma série de premissas e, quando estas não são válidas, os resultados podem ser extremamente afetados. Boa parte da modelagem pressupõe que a amostra é retirada com reposição ou de uma população infinita, o que, na prática, pode não ser razoável, tendo em vista que a maioria das amostras é obtida de uma população finita utilizando planos amostrais complexos (i.e., amostragem aleatória simples sem reposição, por estratificação, conglomerado ou por probabilidades desiguais em dois ou mais estágios), e estes planos amostrais podem exercer moderada/forte influência sobre os resultados obtidos. Neste trabalho temos como objetivo revisar algumas das técnicas propostas para incluir o planejamento amostral na análise de regressão, tanto linear quanto em outras classes, por exemplo a regressão logística, aplicada à dados provenientes de planos amostrais complexos como, por exemplo, o Método de Máxima Pseudo-Verossimilhança (MPV) para obtenção de estimadores, e observar quais os impactos nos resultados das análises, observando o Efeito do Plano Amostral (EPA) sobre a variância dos estimadores obtidos. Por fim, através do uso do software de código aberto R, aplicamos estas técnicas em diferentes conjuntos de dados obtidos sob diferentes planos amostrais complexos, buscando enfatizar as vantagens e desvantagens de cada um desses métodos no que diz respeito à sua aplicabilidade prática, complexidade e consistência.