Correção tipo-Bartlett à estatística gradiente nos modelos lineares generalizados superdispersados

Abstract

Os modelos lineares generalizados superdispersados (MLGS), propostos por Dey et al. (1997), permitem que tanto a média quanto a dispersão sejam modeladas simultaneamente no contexto dos modelos lineares generalizados. Os MLGS são muito úteis para modelar a dispersão quando a variância da variável resposta excede a variância nominal predita pelo modelo. Esta dissertação tem três objetivos. O primeiro, é reunir resultados importantes sobre correções de Bartlett e tipo-Bartlett para os testes da razão de verossimilhanças e escore nos MLGS, propostos na literatura. O segundo, é a obtenção de um fator de correção tipo-Bartlett, em notação matricial, à estatística gradiente para testar simultaneamente ou separadamente os efeitos da média e da dispersão. A estatística gradiente corrigida tem distribuição qui-quadrado até um erro de ordem n⁻¹ sob a hipótese nula. O terceiro, é apresentar resultados de simulação para averiguar o efeito das correções nos MLGS, no que tange ao tamanho e poder, em amostras finitas.