Modelos de regressão logística em delineamentos complexos

Abstract

Este trabalho estuda métodos de ajuste de modelos de regressão logística com dados provenientes de amostras complexas. Uma amostra é considerada complexa quando existe algum tipo de conglomeração ou estratificação. Observa-se que para que o modelo fique bem ajustado, os pesos amostrais de cada observação devem entrar na estimativa da função de verossimilhança. A análise foi feita numa pesquisa realizada no Distrito Federal com aspectos relacionados à depressão auto-referida seguindo um modelo hierarquizado com o bloco socioeconômico primeiro seguido, respectivamente, pelo bloco demográfico, bloco sobre situação de saúde e bloco sobre avaliação subjetiva. O modelo final nos mostra 10 variáveis associadas a depressão de todos esses blocos e suas razões de chances ajustadas pelo delineamento complexo e pelo modelo hierarquizado.