Modelo de regressão não linear em dados da COVID-19.

Abstract

Os modelos de regressão desempenham um papel fundamental na análise de dados, mas em situações em que a aplicação de modelos de regressão linear é inviável, os modelos de regressão não linear surgem como alternativa. Esses modelos oferecem a capacidade de representar relações mais complexas, como curvas, oscilações, interações não lineares e comportamentos caóticos. Este estudo propõe a utilização de dois modelos de regressão não linear, o modelo logístico e também do modelo de Richards para descrever o padrão de crescimento de casos de COVID-19. Os dados utilizados foram obtidos a partir do site da Organização Mundial da Saúde (OMS). Em uma tentativa de solucionar os problemas da variância não constante e não normalidade dos erros, foi feita uma transformação na variável resposta (〖 y〗^3). A aplicação dos modelos de regressão não linear incluiu uma análise de variância (ANOVA), revelando que o modelo logístico se ajustou melhor aos dados e a curva resultante do modelo logístico ajustou-se de maneira satisfatória aos dados. Também foi utilizado os critérios AIC e BIC para verificar qual dos modelos se ajustou melhor aos dados. Embora o coeficiente de determinação (R²) tenha sido significativamente elevado, a análise de resíduos não indicou a aceitação completa das suposições em nenhum dos dois modelos.