Mariana Ragassi Urbano

Title: Modelos lineares generalizados mistos e implementação no software R
Speaker: Mariana Ragassi Urbano
Affiliation: Centro de Ciências Exatas - Universidade Estadual de Londrina
Abstract
A teoria dos modelos lineares generalizados, desenvolvida por Nelder e Wedderburn, estende o
domínio da aplicabilidade dos modelos normais lineares, e inclui modelos cuja variável resposta
pertence à família exponencial de distribuições. Exemplos são os modelos log-lineares, modelos
gama para dados contínuos, modelos logito e probito para dados de proporções, dentre outros.
Nelder e Wedderburn desenvolveram um algoritmo para calcular as estimativas de máxima
verossimilhança, que equivale a uma regressão dos mínimos quadrados ponderados. Atualmente, a
maioria dos software estatísticos tais como SAS, GENSTAT e R têm esse algoritmo implementado.
Após realizar o ajuste de um modelo linear generalizado a determinado conjunto de observações,
como, por exemplo, o ajuste de um modelo binomial, se forem incluídas todas as variávies
explanatórias consideradas importantes, ainda assim a variação residual poderá ser maior do que a
variação que pode ser acomodada pelo modelo. Isso poderá indicar a ocorrência de superdispersão.
Dentre várias das possíveis causas da superdispersão, duas delas podem ser o processo de realização
do experimento e o processo de coleta dos dados. Quando ocorre a superdispersão, devem-se
procurar variáveis explanatórias adicionais, ou incluir no modelo uma fonte adicional de variação
que a acomode. Uma das maneiras de se acomodar a superdispersão é incluir um efeito aleatório no
modelo.
Neste trabalho em co-autoria com Clarice Garcia Borges Demétrio, John Hinde e Roseli Aparecida
Leandro, o objetivo foi apresentar a estimação dos parâmetros de um modelo linear generalizado
misto e a implementação no software R. Como aplicação, foram analisados conjuntos de dados,
provenientes de experimentos agronômicos.