Inference in regression and time series models for doubly bounded random variables
Inferência bayesiana. Dados limitados. Modelo de mistura. Outliers. Distribuição simplex. Regressão simplex. Dispersão variável.
A inferência em modelos de regressão para variáveis restritas ao intervalo (0, 1) com base na distribuição beta pode ser sensível à presença de outliers quando os parâmetros são estimados por máxima verossimilhança. A distribuição simplex constitui uma alternativa flexível para esse tipo de dado, permitindo a modelagem de assimetrias extremas frequentemente observadas em aplicações médicas, psicológicas e sociais. Propomos um modelo bayesiano de regressão distri bucional baseado em uma mistura de duas distribuições simplex, com parâmetro de localização comum e parâmetros de dispersão heterogêneos, com o objetivo de mitigar a sensibilidade da inferência na presença de observações discrepantes. A estrutura de mistura incorpora parâ metros de controle para inflação da variância, acomodando outliers de forma fundamentada.
Tanto os parâmetros de localização quanto os de dispersão são modelados por meio de preditores lineares associados a funções de ligação apropriadas. A inferência bayesiana é realizada via o amostrador No-U-Turn, utilizando distribuições a priori fracamente informativas. Estudos de simulação de Monte Carlo sob diferentes cenários indicam que o modelo proposto apresenta bom desempenho preditivo em comparação com cinco modelos concorrentes. Uma aplicação a dados reais ilustra a capacidade do arcabouço de modelagem proposto em acomodar a heterogeneidade dos dados induzida por outliers, resultando em estimativas de parâmetros mais estáveis e precisas.