Robust inference in inflated beta regression

Resumo Técnico: Inferência Robusta em Regressão Beta Inflacionada

Enunciação do Problema
O modelo de regressão beta inflacionada é uma ferramenta padrão para analisar proporções contínuas que incluem valores de fronteira (zeros ou uns), como taxas de infecção ou alocações orçamentárias. Embora amplamente adotado, a inferência padrão baseia-se na Estimativa de Máxima Verossimilhança (MLE). Como estabelecido na literatura tanto para regressão binária (o componente discreto) quanto para regressão beta (o componente contínuo), a MLE é altamente sensível a valores atípicos. Valores atípicos podem distorcer severamente as estimativas de parâmetros e levar a conclusões enganosas. Os estimadores robustos existentes para regressão beta padrão (por exemplo, MDPDE e SMLE) ou para dados binários frequentemente falham em ser bem definidos para todos os valores de parâmetros, particularmente ao lidar com densidades beta ilimitadas, ou não abordam a complexidade estrutural específica do modelo inflacionado, que combina um componente de mistura discreto com um componente beta contínuo.

Metodologia
Os autores propõem uma estrutura para inferência robusta em modelos de regressão beta inflacionada com zeros ou uns, estendendo técnicas de estimação robusta simultaneamente para as partes discreta e contínua do modelo.

1. Estrutura do Modelo: A variável resposta $Y$ segue uma distribuição beta inflacionada com zeros ou uns, uma mistura de uma variável degenerada em $c \in \{0, 1\}$ e uma variável distribuída beta em $(0, 1)$. Os parâmetros do modelo são ligados a covariáveis por meio de funções de ligação para a probabilidade da fronteira ($\vartheta$), a média condicional ($\mu$) e a precisão ($\phi$).
2. Estimadores Robustos: O artigo introduz dois estimadores específicos, M-LSE e M-LME, que resolvem um sistema de equações de estimação $U(y; \upsilon) = 0$. Esses estimadores tratam os componentes discreto e contínuo separadamente, mas dentro de uma estrutura unificada:
   • Parte Discreta: Os autores empregam o Estimador de Divergência Mínima de Potência de Densidade (MDPDE) para o componente binário (modelando a probabilidade de observar um zero ou um). Essa abordagem reduz o peso das observações com grandes discrepâncias entre as probabilidades observadas e previstas.
   • Parte Contínua: Para abordar a questão das densidades beta ilimitadas, onde estimadores robustos padrão (SMLE e MDPDE) podem não ser bem definidos, os autores utilizam a transformação logit da variável resposta ($Y^* = \log(Y/(1-Y))$).
     • M-LSE: Combina MDPDE para a parte discreta com o Estimador de Máxima Verossimilhança Surrogado Logit (LSMLE) para a parte contínua.
     • M-LME: Combina MDPDE para a parte discreta com o Estimador de Divergência Mínima de Potência de Densidade Logit (LMDPDE) para a parte contínua.
   • Ao trabalhar na escala logit, os estimadores garantem que a classe de densidade seja fechada sob transformações de potência, assegurando que os estimadores sejam bem definidos para todos os valores de parâmetros.
3. Ajuste Orientado por Dados: Uma contribuição metodológica chave é a adaptação de um algoritmo orientado por dados (originalmente proposto para regressão beta) para selecionar a constante de ajuste $\alpha$ para ambos os componentes. O algoritmo busca o menor $\alpha$ (mais próximo da MLE) que mantém a estabilidade nas estimativas, garantindo eficiência plena na ausência de contaminação, enquanto fornece robustez quando há presença de valores atípicos.
4. Inferência: Os autores derivam a normalidade assintótica dos estimadores propostos e desenvolvem testes do tipo Wald robustos para testes de hipóteses. Eles também fornecem um método para calcular erros padrão que leva em conta a natureza conjunta da inferência, mesmo que as estimativas pontuais sejam computadas separadamente.

Principais Contribuições

• Extensão para Modelos Inflacionados: Este trabalho é o primeiro a propor métodos de inferência robusta especificamente para modelos de regressão beta inflacionada com zeros ou uns, abordando os desafios únicos impostos pela mistura de componentes discretos e contínuos.
• Estimadores Bem Definidos: Ao utilizar a transformação logit e as construções específicas de LSMLE e LMDPDE, os estimadores propostos superam as limitações de métodos robustos anteriores (MDPDE/SMLE) que não eram bem definidos para densidades beta ilimitadas.
• Estrutura Unificada: O artigo fornece uma estrutura inferencial completa, incluindo estimação pontual, matrizes de variância-covariância assintótica e testes do tipo Wald robustos, implementada em um pacote R.
• Ajuste Adaptativo: A aplicação de um algoritmo orientado por dados para selecionar constantes de ajuste para as partes discreta e contínua permite que o método reverta automaticamente para a MLE quando os dados estão limpos, equilibrando eficiência e robustez.

Resultados Empíricos
Os autores avaliaram o desempenho de M-LSE e M-LME por meio de estudos de simulação e uma aplicação com dados reais:

• Simulações: Em cenários com 5% de contaminação na parte discreta, na parte contínua ou em ambas, a MLE padrão exibiu viés severo e alto Erro Quadrático Médio (RMSE). Em contraste, os estimadores robustos mantiveram baixo viés e RMSE, performando de forma semelhante à MLE em dados não contaminados (onde o algoritmo selecionou $\alpha \approx 0$) e superando significativamente a MLE em cenários contaminados (com razões de TMSE até 34 vezes menores que a MLE).
• Testes de Hipóteses: Os testes do tipo Wald robustos mantiveram taxas de rejeição empíricas próximas ao nível nominal de 5% sob contaminação, whereas os testes de Wald padrão sofreram de erros do Tipo I inflados (taxas de rejeição próximas a 100%) ou poder nulo.
• Aplicação com Dados Reais: O método foi aplicado às taxas de letalidade por COVID-19 em 200 cidades brasileiras. Os dados continham um valor atípico proeminente (uma cidade com um único caso e uma morte). Os resultados da MLE foram fortemente influenciados por essa observação, alterando a significância e a magnitude dos efeitos das covariáveis (por exemplo, IDH). Os estimadores robustos (M-LSE) reduziram o peso do valor atípico, produzindo resultados consistentes com uma análise onde o valor atípico foi removido manualmente, demonstrando a capacidade do método de fornecer inferência confiável sem exclusão arbitrária de dados.

Significância
O artigo afirma que, embora existam modelos flexíveis para lidar com valores atípicos, eles frequentemente introduzem complexidade desnecessária e carecem de interpretabilidade. A abordagem proposta mantém a interpretabilidade e a estrutura do modelo beta inflacionado padrão, substituindo o processo de estimação por uma alternativa robusta. Os autores enfatizam que seu trabalho preenche uma lacuna crítica na literatura ao fornecer os primeiros métodos de inferência robusta para modelos inflacionados de dados contínuos limitados. Os resultados de simulação e a aplicação no mundo real demonstram que os estimadores propostos mitigam efetivamente a influência de valores atípicos, prevenindo conclusões enganosas que frequentemente surgem da inferência padrão de máxima verossimilhança na presença de dados contaminados.