Os modelos de regressão Poisson e binomial negativo fazem parte do que é conh...

Vamos falar um pouco sobre modelos de regressão para dados de contagem, que são usados quando a variável dependente é um número inteiro não negativo, como o número de ocorrências de um evento. Dois modelos comuns são o de regressão Poisson e o binomial negativo.

O modelo de regressão Poisson assume que a média e a variância da variável resposta são iguais (equidispersão). Quando a variância é maior que a média, dizemos que há superdispersão, e o modelo Poisson pode não ser adequado, pois subestima a variabilidade dos dados. Para lidar com superdispersão, o modelo binomial negativo é preferido, pois possui um parâmetro extra que permite modelar essa dispersão maior. Logo, a alternativa (a) está incorreta, porque o modelo Poisson não é indicado quando há superdispersão.

Sobre a avaliação dos modelos, o teste Shapiro-Francia verifica normalidade, que não é pertinente em modelos de contagem, então (b) está errada.

Na alternativa (c), confunde-se o nome das distribuições: a distribuição usada no modelo binomial negativo não é binomial, mas sim uma generalização da Poisson que incorpora dispersão adicional, conhecida como Poisson-Gama. Portanto, (c) também está incorreta.

Quanto à alternativa (d), de fato, o teste de Cameron e Trivedi é um teste estatístico usado para detectar superdispersão em modelos de regressão de contagem, o que faz essa alternativa correta.

Finalmente, a alternativa (e) fala do modelo Poisson negativo inflacionado em zeros, que é uma mistura (mistura zero-inflated) combinando uma distribuição Bernoulli (para zeros excessivos) com uma distribuição Poisson-Gama (que é a binomial negativa), então a descrição está certa do ponto de vista teórico, tornando (e) também correta.

Como só podemos marcar uma alternativa, a mais correta e diretamente relacionada ao tema é a (d).