Uma abordagem bayesiana semiparamétrica para modelos de efeitos mistos logísticos da distribuição binomial para dados longitudinais

Modelos de efeitos mistos logísticos são amplamente utilizados para estudar a relação entre a resposta binária e covariáveis na análise de dados longitudinais, onde os efeitos aleatórios são tipicamente assumidos como tendo uma distribuição totalmente paramétrica. Como essa suposição é provavelmente limitada ou irrealista em uma multitude de pesquisas práticas, uma abordagem bayesiana semiparamétrica para relaxá-la é desenvolvida neste artigo. No contexto de modelos de efeitos mistos logísticos da distribuição binomial, um quadro bayesiano geral é apresentado, no qual um modelo hierárquico semiparamétrico com uma distribuição priors aproximada do processo de Dirichlet truncado é especificado para os efeitos aleatórios. O prior de quebra de palito e o amostrador de Gibbs bloqueado usando mistura Pólya-Gamma são empregados para amostrar de forma eficiente na análise posterior. Além disso, é abordado um procedimento para calcular o DIC para comparação de modelos bayesianos. A metodologia é demonstrada por meio de estudos de simulação e um exemplo real.