Visualizar trabalho
- Cód. Trabalho: 2527 | Palavras-chave: Séries interrompidas, Tendência, Modelo de Regressão Linear, Ocorrência de Sífilis
- Título: Modelo de Regressão Segmentado para Séries Temporais heterocedásticas: Importância de identificar a melhor transformação de Box-Cox
- Autor(es): Dário Sodré dos Santos, Eniuce Menezes de Souza,Isabella Harumi Yonehara Noma, Cinthia Akemi Tanoshi, Raíssa Bocchi Pedroso, Fernando Castilho Pelloso
- Resumo:
Modelo de Regressão Segmentado para Séries Temporais heterocedásticas: Importância de identificar a melhor transformação de Box-Cox
Dário Sodré dos Santos (PBE)
Eniuce Menezes de Souza (DES/PBE),
Isabella Harumi Yonehara Noma, Cinthia Akemi Tanoshi, Raíssa Bocchi Pedroso e Fernando Castilho Pelloso
Programa de Pós-Graduação em Ciências da Saúde – (PCS/UME)
Embora seja bastante usual construir modelos autorregressivos condicionalmente heterocedásticos (ARCH) ou ARCH generalizados (GARCH) para séries temporais heterocedásticas, muitas vezes é mais interessante construir modelos sem a defasagem da variável desfecho para facilitar a interpretação de componentes de interesse, tais como tendência, por exemplo. Em Saúde, é muito comum a necessidade de estimar tendências ou investigar a mudança estatisticamente significativa de tendências em séries temporais interrompidas. Neste sentido, é muito útil se for possível construir um modelo linear que facilite a interpretação dos parâmetros estimados e ainda permita que os pressupostos de ausência de autocorrelação dos erros, normalidade e homocedasticidade sejam atendidos. Comumente a transformação logarítmica é utilizada para induzir a normalidade e estabilização da variância, entretanto, esta não é necessariamente a melhor e nem mesmo ser uma transformação suficiente. Neste artigo, será mostrado um exemplo utilizando dados de ocorrência mensal de sífilis no período de 2007 a 2017, os quais são heterocedásticos e a transformação logarítmica não induz normalidade e apenas inverte a heterocedasticidade, que era crescente ao longo do tempo e se torna decrescente. Assim, será mostrada a importância de identificar o melhor parâmetro da transformação de Box-Cox, bem como seu intervalo de confiança, o que pode conduzir a uma transformação mais usual e de fácil interpretação e retorno à escala original. Ainda, a inclusão de parâmetros adicionais permitem construir um modelo segmentado para avaliar o impacto do Programa Mãe Paranaense iniciado em 2012 na ocorrência de sífilis. Foi detectada uma mudança abrupta no nível médio da série, além de mudança significativa na tend&ecir