Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivos.
Algoritmo EM, Dados censurados, Distribuição elíptica, Erros autoregressivos AR(p), Resíduos de martingais, Modelos de efeitos mistos, Medidas de diagnóstico.
Os modelos de efeitos mistos são ferramentas frequentemente utilizadas para o estudo de dados longitudinais. No entanto, devido à possível complexidade deste tipo de dados, torna-se atrativo o desenvolvimento de extensões destes modelos com suposições mais flexíveis com a finalidade de melhorar o ajuste dos dados. Neste contexto, propomos uma extensão mais flexível dos modelos de efeitos mistos com respostas censuradas e erros normais autorregressivos de ordem $p$. Para isso, atribuímos inicialmente a classe de distribuição elíptica às componentes aleatórias do modelo. Esta família de distribuições nos permitirá trabalhar com conjuntos de dados com caudas mais leves ou mais pesadas que a normal, possibilitando um ajuste menos sensível à presença de observações atípicas. Dessa forma, um algoritmo do tipo EM foi desenvolvido para obter as estimativas de máxima verossimilhança e os erros padrão dessas estimativas utilizando a matriz de informação empírica. Por outro lado, nos últimos anos, há um interesse crescente em métodos estatísticos para a análise de dados longitudinais com efeitos espaciais. Nesse contexto, propomos uma segunda extensão do modelo proposto inicialmente, incluindo dependência espacial na distribuição do efeito aleatoreo. Para avaliar a qualidade do ajuste e as premissas dos modelos propostos foram utilizados os resíduos martingais e medidas de diagnóstico com base na abordagem de influência global e local. Apresentamos estudos de simulação sob diferentes cenários para avaliar as propriedades assintóticas dos estimadores e o desempenho dessa classe de modelos na presença de observações atípicas. Finalmente, foram analisados exemplos práticos com dados reais.