Diagnóstico em modelos simétricos de regressão

Abstract

A modelagem estatística sob a suposição de erros normalmente distribuídos pode ser altamente influenciada por observações extremas, o que motiva o estudo de técnicas de regressão mais robustas frente a este tipo de observações. Como uma alternativa, podem ser considerados modelos em que a distribuição assumida para o erro pertence à classe simétrica. Estes modelos são chamados de modelos simétricos de regressão. Neste trabalho, estudamos analiticamente e através de simulações de Monte Carlo as propriedades estatísticas de dois tipos de resíduos propostos: componente desvio e quantal para os modelos simétricos de regressão com componentes sistemáticas não-lineares. Além disso, desenvolvemos métodos de diagnóstico usando o enfoque de influência global. Neste sentido, propomos algumas medidas tais como distância de Cook, estatística W-K, aproximação a um passo, afastamento da verossimilhança e alguns métodos gráficos