4.2 Testes de hipóteses
4.2.2 Teste de Wald
O teste de Wald (Wald,1943) é um teste de hipótese assintótico que, desta forma, depende de haver um número grande o suficiente de observações amostrais. Sejam θ? = [θ01, θ00]0 o conjunto dos parâmetros sob a hipótese nula,θb
?
n as estimativas (sob o modelo restrito) dos parâmetros e
b
θn as estimativas (sob o modelo irrestrito) dos parâmetros para uma amostra de tamanho n ≥ 1
e K(bθn) a matriz de informação observada de Fisher, então (Lehmann; Romano,2005, p. 510), n(bθn−θb ? n)0K(θbn)(bθn−θb ? n) n→∞ −→ χ2p−q
em que o número de graus de liberdade p − q = dim θ?− dim θ0. A hipótese nula é rejeitada se
Q = n(θbn−θb
?
)0K(θbn)(bθn−θb
?
) ≥ c1−γ;p−q (4.16)
em que c1−γ;p−q é o percentil de ordem 1 − γ da distribuição qui-quadrado com p − q graus de liberdade.
58 Capítulo 4. Inferência para os modelos
Existência de avaliações ao acaso
O teste de Wald para a hipótese de não haver avaliações ao acaso no modelo binomial redimensionado e deslocado sem inflação (seção 2.2), dada pela hipótese H0 : α0 = 0 contra H1 : α0 6= 0) é tal que a matriz de informação de Fisher K(θ) é o inverso da matriz de variância
dada em (2.5). A estatística Q do teste (equação 4.16) segue uma distribuição qui-quadrado com 1 grau de liberdade. O vetor de parâmetros sob a hipótese nula é estimado usando a verossimilhança (4.6).
O teste de Wald para a hipótese de não haver avaliações ao acaso no modelo binomial redimensionado e deslocado com inflação (seção 2.3), dada pela hipótese H0 : τ0 = 0 contra
H1 : τ0 6= 0 é tal que a matriz de informação de Fisher K(θ) é o inverso da matriz de variância
dada em (2.6). A estatística Q do teste (equação 4.16) segue uma distribuição qui-quadrado com 1 grau de liberdade. O vetor de parâmetros sob a hipótese nula é estimado usando a verossimilhança (4.7).
No modelo binomial duplo (seção 3.1), o teste de Wald para a hipótese de não haver avaliações ao acaso, dado pela hipótese H0 : α0 = 0 contra H1 : α0 6= 0 é tal que a matriz de informação de Fisher K(θ) é o inverso da matriz de variância dada em (3.1). A estatística Q do teste (equação4.16) segue uma distribuição qui-quadrado com 1 grau de liberdade. O vetor de parâmetros sob a hipótese nula é estimado usando a verossimilhança (4.8).
Por fim, no modelo binomial multiplicativo (seção 3.2), o teste de Wald para a hipótese de não haver avaliações ao acaso, H0 : α0 = 0 contra H1 : α0 6= 0 é tal que a matriz de informação de Fisher K(θ) é o inverso da matriz de variância dada em (3.2). A estatística Q do teste (equação4.16) segue uma distribuição qui-quadrado com 1 grau de liberdade. O vetor de parâmetros sob a hipótese nula é estimado usando a verossimilhança (4.8).
Existência de inflação na avaliação ao acaso
No modelo binomial redimensionado e deslocado com inflação (seção 2.3), o teste de Wald para a hipótese de não haver inflação nas respostas ao acaso, H0 : τ0+ τ1+ τ2+ · · · + τt= 1 contra H1 : τ0 + τ1+ τ2+ · · · + τt ≤ 1, é tal que a matriz de informação de Fisher K(θ) é o
inverso da matriz de variância dada em (2.6), e a estatística Q (equação 4.16) do teste segue uma distribuição qui-quadrado com 1 grau de liberdade. O vetor de parâmetros sob a hipótese nula é estimado usando a verossimilhança (4.9).
Testes para os parâmetros de regressão
Considere que o vetor de parâmetros possa ser escrito, para o modelo binomial redimen- sionado e deslocado sem inflação (seção2.2), como θ = [α0, β0, β?0]0 em que β é o conjunto de parâmetros associados aos termos não restrito pela hipótese nula e β? é o conjunto de parâmetros associados aos termos que sofrem alguma restrição nos parâmetros devido à hipótese nula. Sem perda de generalidade, suponha que os termos 1 ≤ r ≤ t? ∈ N < t não sejam restritos pela
4.2. Testes de hipóteses 59
hipótese nula e que os termos t?< r ≤ t o sejam. A estatística do teste de Wald será calculada como em (4.16) e o número de graus de liberdade será p − q em que p é a dimensão do vetor β e q é a quantidade de parâmetros restritos em β?. O vetor de parâmetros sob a hipótese nula é estimado no modelo não inflacionado usando a verossimilhança (4.10).
Para o modelo binomial redimensionado e deslocado inflacionado (seção2.3) o procedi- mento é similar. Se θ = [τ0, β0, β?0]0, com β e β? definidos como antes, então a estatística do teste de Wald será calculada como em (4.16) e o número de graus de liberdade será p − q em que p é a dimensão do vetor β e q é a quantidade de parâmetros restritos em β?. O vetor de parâmetros sob a hipótese nula é estimado no modelo inflacionado usando a verossimilhança (4.11).
Nos modelos binomial duplo (seção3.1) e binomial multiplicativo (seção3.2), tomando
θ = [τ0, β0, β?0]0, com β e β? definidos como antes, então a estatística do teste de Wald será calculada como em (4.16) e o número de graus de liberdade será p − q em que p é a dimensão do vetor β e q é a quantidade de parâmetros restritos em β?. O vetor de parâmetros sob a hipótese nula é estimado no modelo inflacionado usando a verossimilhança (4.12) com as respectivas distribuições de probabilidade.
Homogeneidade entre avaliadores (na avaliação por preferência)
No teste de homogeneidade entre avaliadores o interesse é verificar se, quando as avaliações são feitas por preferência, existem mais que um nível de preferência. Neste caso, sob a hipótese nula, o vetor de parâmetros para o modelo binomial redimensionado e deslocado sem inflação (seção2.2) pode ser escrito como θ?= [α, β0] em que α é o parâmetro da mistura e β é um vetor de dimensão p de parâmetros de regressão associado ao termo da avaliação sob preferência. O vetor de parâmetros no modelo irrestrito é dado por θ = [α0, β01, β02, . . . , β0t] em que α é um vetor de dimensão t com os parâmetros da mistura e os vetores dos parâmetros de regressão
βr, r = 1, 2, . . . , t possuem dimensão p. Desta forma, a estatística do teste é calculada como em (4.16) e se distribui de acordo com uma qui-quadrado com (t − 1)(p + 1) graus de liberdade. O vetor de parâmetros sob a hipótese nula é estimado usando a verossimilhança (4.13).
De forma análoga, para o modelo binomial redimensionado e deslocado inflacionado (seção2.3), o vetor de parâmetros no modelo irrestrito é dado por θ = [τ0, β01, β02, . . . , β0t] em que τ é um vetor de dimensão t com os parâmetros da mistura e os vetores dos parâmetros de regressão βr, r = 1, 2, . . . , t possuem dimensão p. Sob a hipótese nula o vetor de parâmetros é dada por θ = [τ, β0]. A estatística do teste é calculada como em (4.16) e é ditribuída de acordo com uma qui-quadrado com (t − 1)(p + 1) graus de liberdade. O vetor de parâmetros sob a hipótese nula é estimado usando a verossimilhança (4.14).
Finalmente, para os modelos binomial duplo (seção3.1) e binomial multiplicativo (se- ção 3.2), o vetor de parâmetros no modelo irrestrito é dado por θ = [α0, φ0, β01, β02, . . . , β0t] em que α é um vetor de dimensão t com os parâmetros da mistura, φ é um vetor de dimensão t com os parâmetros de variância e os vetores dos parâmetros de regressão βr, r = 1, 2, . . . , t possuem dimensão p. Sob a hipótese nula o vetor de parâmetros é dada por θ = [α, φ, β0]. A
60 Capítulo 4. Inferência para os modelos
estatística do teste é calculada como em (4.16) e é ditribuída de acordo com uma qui-quadrado com (t − 1)(p + 2) graus de liberdade. O vetor de parâmetros sob a hipótese nula é estimado usando a verossimilhança (4.15) calculada com as respectivas distribuições de probabilidade.