Análise de regressão linear com autocorrelação nos erros para dados censurados

Abstract

Este trabalho aborda, numa perspetiva bayesiana, a análise de modelos de regressão linear com erros autocorrelacionados para dados censurados, recorrendo a métodos Computacionais Bayesianos Aproximados (ABC) e ao amostrador de Gibbs com a Ampliação de Dados (GDA). Considera-se que o termo dos erros segue um processo autorregressivo, AR, e investiga-se o desempenho dos métodos através de dois estudos de simulação com diferentes cenários de censura (5%, 20% e 40%) e dimensão de amostras (50, 100 e 500). Os resultados indicam que o método GDA é consistente Bayesiano, mesmo em cenários em que a proporção de valores censurados é elevada, enquanto que no método ABC, as estimativas dependem fortemente das distribuições a priori.