Resumo Técnico: Estimativa de Sistema Duplo utilizando Modelos Loglineares de Efeitos Mistos

1. Definição do Problema

A Estimativa de Sistema Duplo (DSE, do inglês Dual System Estimation) é uma ferramenta padrão na estatística oficial para estimar o tamanho da população, vinculando duas fontes de dados e estimando o número de unidades omitidas por ambas. O método baseia-se na premissa de independência entre as duas listas e na homogeneidade das probabilidades de inclusão. Para satisfazer a premissa de homogeneidade, a DSE é frequentemente estratificada por variáveis como região.

A abordagem padrão utiliza modelos loglineares de efeitos fixos, estimando parâmetros para cada nível da variável de estratificação. Esta abordagem enfrenta desafios significativos:

• Proliferação de Parâmetros: Quando o número de níveis de estratificação (ex: regiões) é grande, o número de parâmetros torna-se ingerível.
• Viés de Pequena Amostra: Em cenários com muitos estratos e tamanhos de amostra reduzidos dentro de cada estrato, os modelos de efeitos fixos (e o estimador padrão de Lincoln-Petersen) produzem estimativas viesadas.
• Estimativas Infinitas: Em casos onde a interseção de ambas as listas é vazia dentro de um estrato específico ($n_{11}=0$), o estimador de efeitos fixos produz estimativas populacionais infinitas.

Embora o estimador de Chapman seja frequentemente utilizado para mitigar o viés de pequena amostra em modelos de efeitos fixos, ele não aborda a ineficiência de estimar muitos parâmetros de forma independente. Este artigo investiga o uso de modelos loglineares de efeitos mistos (também conhecidos como modelos multiníveis ou hierárquicos) como uma alternativa. Estes modelos substituem os parâmetros fixos das variáveis de estratificação por efeitos aleatórios extraídos de uma distribuição, permitindo o "empréstimo de força" (borrowing strength) entre os grupos para melhorar a estabilidade da estimativa.

2. Metodologia

2.1. Modelos Loglineares de Efeitos Fixos

Os autores definem a linha de base utilizando regressão de Poisson com um link logarítmico.

• Sem Estratificação: Um modelo saturado para duas listas ($A$ e $B$) inclui um intercepto e termos de interação. Como a célula para unidades omitidas por ambas ($A=0, B=0$) não é observada, o modelo assume independência, reduzindo o modelo a uma forma de independência condicional.
• Com Estratificação: Quando uma variável de estratificação $R$ (ex: região) é introduzida, a abordagem padrão ajusta um modelo de independência condicional $[AR][BR]$ para cada nível $l$ de $R$. Isso resulta em um conjunto separado de parâmetros para cada região, levando a um modelo maximal com zero graus de liberdade.

2.2. Modelos Loglineares de Efeitos Mistos

A proposta central é substituir os efeitos fixos associados à variável de estratificação ($R$) e suas interações por efeitos aleatórios.

• Estrutura do Modelo: O modelo loglinear é reparametrizado para incluir um intercepto aleatório ($u_{0l}$) e inclinações aleatórias ($u_{1il}, u_{2jl}$) para as probabilidades de inclusão das listas $A$ e $B$ através das regiões.
  $$\log \mu_{ijl} = (\lambda + u_{0l}) + \lambda^A_i + \lambda^B_j + u_{1il} + u_{2jl}$$
  Aqui, $u_{0l} \sim N(0, \sigma^2_{u0})$ captura a variabilidade entre regiões no tamanho da população, enquanto os termos de inclinação capturam a variabilidade nas probabilidades de captura.
• Estimativa por Contração (Shrinkage): Os estimadores de efeito aleatório atuam como estimadores de contração (Melhores Preditores Não Viesados). As estimativas ao nível do grupo são "contraídas" em direção à média global, ponderadas pela confiabilidade dos dados do grupo (tamanho da amostra) e pela distância da média global. Isso reduz a variância e mitiga o viés de pequena amostra sem exigir estimativas infinitas.
• Implementação: Os modelos são ajustados utilizando o pacote lme4 em R, utilizando o otimizador bobyqa para lidar com problemas de convergência comuns em contagens de células pequenas.

2.3. Redução de Viés e Extensões

• Estimador de Chapman: Para modelos de efeitos fixos, os autores aplicam o estimador de Chapman (adicionando 1 à célula $n_{11}$) para reduzir o viés de pequena amostra. Este ajuste não é aplicado aos modelos de efeitos mistos, uma vez que o mecanismo de contração serve a um propósito semelhante de redução de viés.
• Estimativa de Múltiplos Sistemas (MSE): A metodologia é estendida para três listas (Estimativa de Sistema Triplo). Os autores formulam um modelo de efeitos mistos para tabelas de três vias, substituindo termos de interação fixos por efeitos aleatórios para estimar a célula não observada ($A=0, B=0, C=0$).

3. Desenho do Estudo de Simulação

Os autores conduziram um estudo de simulação abrangente para avaliar o desempenho dos modelos de efeitos mistos em relação aos modelos de efeitos fixos (com e sem a correção de Chapman).

• Fatores Variados:
  • Tamanho da População ($N$): Variando de 500 a 300.000.
  • Número de Regiões: 5 a 30.
  • Probabilidades de Captura: Cenários de alta ($\pi_A=0.8, \pi_B=0.7$) e baixa ($\pi_A=0.4, \pi_B=0.2$) probabilidade.
  • Distribuições de Efeito Aleatório: Normal (assumida), Lognormal e Pareto (para testar a robustez contra violações de normalidade).
• Métricas: O desempenho foi avaliado usando o Viés Relativo Absoluto Médio (MARb), o Coeficiente de Variação (CV) e o Erro Quadrático Médio (MSE).

4. Resultados Principais

• Comparação de Desempenho: O modelo loglinear de efeitos mistos superou consistentemente ou teve desempenho similar ao modelo de efeitos fixos com o estimador de Chapman.
  • Viés: O modelo de efeitos mistos apresentou um MARb menor, particularmente em cenários com populações pequenas e um grande número de regiões (onde as contagens de células são esparsas).
  • Variância: O modelo de efeitos mistos demonstrou menor variabilidade (CV) em comparação ao de efeitos fixos, especialmente quando os tamanhos de amostra eram pequenos.
• Robustez às Suposições Distribucionais: Os resultados indicaram que o modelo de efeitos mistos é robusto a violações da suposição de normalidade. As estimativas derivadas de efeitos aleatórios com distribuições lognormal e Pareto produziram MARb e CV comparáveis àqueles onde a suposição de normalidade se mantinha.
• Comportamento de Pequena Amostra: Em cenários onde os modelos de efeitos fixos sem a correção de Chapman produziram estimativas infinitas (devido a contagens zero na interseção), o modelo de efeitos mistos forneceu estimativas finitas e estáveis.
• Magnitude da Melhoria: Embora o modelo de efeitos mistos tenha tido um desempenho superior, os autores observam que a melhoria no Erro Quadrático Médio sobre o modelo de efeitos fixos com o estimador de Chapman foi, em geral, pequena.

5. Significância e Alegações

O artigo afirma que os modelos loglineares de efeitos mistos oferecem uma alternativa viável e robusta às abordagens tradicionais de efeitos fixos na Estimativa de Sistema Duplo, particularmente em contextos de estatística oficial que envolvem:

1. Muitos Estratos: Situações onde o número de regiões é grande em relação à população total.
2. Pequenos Tamanhos de Amostra: Cenários onde os estratos individuais possuem dados esparsos, levando à instabilidade nas estimativas de efeitos fixos.
3. Baixas Probabilidades de Captura: Contextos onde as probabilidades de inclusão são baixas, aumentando o risco de células vazias.

Os autores concluem que, embora o estimador de Chapman continue sendo um forte competidor, os modelos de efeitos mistos fornecem uma "abordagem robusta ao viés" que empresta informações entre todos os grupos. Esta abordagem lida naturalmente com o compromisso (trade-off) entre viés e variância, reduzindo o risco de estimativas infinitas e melhorando a precisão geral em cenários de estimativa difíceis. A metodologia é estendida com sucesso para a estimativa de múltiplos sistemas, sugerindo uma ampla aplicabilidade além do caso de sistema duplo.

O artigo mantém um tom modesto, reconhecendo que, embora o modelo de efeitos mistos supere o modelo de efeitos fixos, os ganhos no Erro Quadrático Médio são frequentemente marginais nos cenários testados. No entanto, a estabilidade e a robustez da abordagem de efeitos mistos em ambientes de alta estratificação e pequena amostra são destacadas como suas principais vantagens.