Influence Diagnostics for Correlated Binomial Regression Models: An Application to a Data Set on High-Cost Health Services Occurrence

• Autores: Carlos Diniz, Rubiane Pires, Carolina Paraíba, Paulo Ferreira
• Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 44, Nº. 2, 2021, págs. 253-278
• Idioma: inglés
• DOI: 10.15446/rce.v44n2.85606
• Títulos paralelos:
  • Diagnósticos de influencia para modelos de regresión binomial correlacionada: una aplicación a un conjunto de datos sobre la ocurrencia de servicios de salud de alto costo
• Enlaces
  • Texto completo
• Resumen
  • español

    Resumen Este artículo considera una perspectiva frecuentista para tratar con la clase de modelos de regresión binomial correlacionada (Pires & Diniz, 2012), proporcionando así un nuevo enfoque para analizar variables de respuesta binaria correlacionadas. Los parámetros del modelo se estiman mediante la maximización directa de la función de log-verosimilitud. También consideramos un análisis de diagnóstico bajo la configuración del modelo de regresión binomial correlacionada, que se realiza considerando los residuos basados en valores predictivos y los residuos de desviación (Cook & Weisberg, 1982) para verificar los supuestos del modelo y la medida de influencia global basada en la eliminación de casos (Cook, 1977) para detectar observaciones influyentes. Además, se realiza un análisis de sensibilidad para detectar posibles observaciones influyentes que podrían afectar los resultados inferenciales. Esto se hace utilizando métricas de influencia local (Cook, 1986) con esquemas de perturbación de covariable, variable respuesta y ponderación de casos. Se realiza un estudio de simulación para evaluar las propiedades frecuentistas de los estimadores de parámetros del modelo y verificar el rendimiento de las métricas de diagnóstico consideradas bajo el modelo de regresión binomial correlacionada. Se analiza un conjunto de datos sobre un plan de salud de un operador brasileño para ilustrar la metodología propuesta.

  • English

    Abstract This paper considers a frequentist perspective to deal with the class of correlated binomial regression models (Pires & Diniz, 2012), thus providing a new approach to analyze correlated binary response variables. Model parameters are estimated by direct maximization of the log-likelihood function. We also consider a diagnostic analysis under the correlated binomial regression model setup, which is performed considering residuals based on predictive values and deviance residuals (Cook & Weisberg, 1982) to check for model assumptions, and global influence measure based on case-deletion (Cook, 1977) to detect influential observations. Moreover, a sensitivity analysis is carried out to detect possible influential observations that could affect the inferential results. This is done using local influence metrics (Cook, 1986) with case-weight, response, and covariate perturbation schemes. A simulation study is conducted to assess the frequentist properties of model parameter estimates and check the performance of the considered diagnostic metrics under the correlated binomial regression model. A data set on high-cost claims made to a private health care provider in Brazil is analyzed to illustrate the proposed methodology.

• Referencias bibliográficas
  • Agresti, A. (2015). Foundations of Linear and Generalized Linear Models, Wiley Series in Probability and Statistics. Wiley. New Jersey.
  • Akaike, H. (1974). 'A new look at the statistical model identification'. IEEE Transactions on Automatic Control. 19. 716
  • Altham, P. M. E. (1978). 'Two generalizations of the binomial distribution'. Journal of the Royal Statistical Society. Series C. 27....
  • Cook, R. D. (1977). 'Detection of influential observations in linear regression'. Technometrics. 19. 15
  • Cook, R. D. (1986). 'Assessment of local influence'. Journal of the Royal Statistical Society. Series B (Methodological). 48. 133
  • Cook, R.,Weisberg, S. (1982). Residuals and influence in regression, Monographs on statistics and applied probability. Chapman and Hall. London....
  • Diniz, C. A. R.,Tutia, M. H.,Leite, J. G. (2010). 'Bayesian analysis of a correlated binomial model'. Brazilian Journal of Probability...
  • Efron, B. (1986). 'Double exponential families and their use in generalized linear regression'. Journal of the American Statistical...
  • Fu, J.,Sproule, R. (1995). 'A generalization of the binomial distribution'. Communications in Statistics - Theory and Methods. 24....
  • Lambert, D. (1992). 'Zero-inflated poisson regression, with an application to defects in manufacturing'. Technometrics. 34. 1-14
  • Lehmann, E. L.,Casella, G. (1998). Theory of point estimation. Springer. New York.
  • Luceño, A. (1995). 'A family of partially correlated poisson models for overdispersion'. Computational Statistics and Data Analysis....
  • McCullagh, P.,Nelder, J. A. (1989). Generalized Linear Models. Chapman and Hall. London.
  • Nocedal, J.,Wright, S. J. (2006). Numerial Optimization. Springer- Verlag. New York.
  • Pires, R. M.,Diniz, C. A. R. (2012). 'Correlated binomial regression models'. Computational Statistics and Data Analysis. 56. 2513
  • Prentice, R. L. (1986). 'Binary regression using an extended beta-binomial distribution, with discussion of correlation induced by covariate...
  • (2007). R Development Core Team R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. Vienna, Austria....
  • Schwarz, G. (1978). 'Estimating the dimension of a model'. Annals of Statistics. 6. 461
  • She, Y.,Owen, A. B. (2011). 'Outlier detection using nonconvex penalized regression'. Journal of the American Statistical Association....
  • Sherman, M. (2011). Spatial Statistics and Spatio-Temporal Data: Covariance Functions and Directional Properties. Wiley Series in Probability...
  • Skellam, J. G. (1948). 'A probability distribution derived from the binomial distribution by regarding the probability of success as variable...
  • Zhu, H.,Lee, S.-Y.,Wei, B.-C.,Zhou, J. (2001). 'Case-deletion measures for models with incomplete data'. Biometrika. 88. 727