Modelagem da Proporção de Obesos nos Estados Unidos Utilizando o Modelo de Regressão Beta

Saul de Azevedo Souza, André Antonio de Oliveira, Tatiene Correia de Souza, Caliandra Maria Bezerra Luna Lima

Abstract


Neste artigo tivemos como objetivo modelar a proporção de adultos obesos nos estados dos Estados Unidos considerando os
indivíduos que apresentaram IMC (Índice de Massa Corporal) maior ou igual a 30.0 kg/m2. Utilizamos o modelo de regressão
beta com finalidade de explicar a proporção de adultos obesos, uma vez que os dados apresentam assimetria e estão restritos ao intervalo (0,1). Os resultados mostraram que a falta de atividade física, o pouco consumo de vegetais por dia, o hábito de fumar e as taxas de insegurança alimentar nos estados, apresentam um efeito positivo no aumento da proporção média de adultos obesos, por outro lado as taxas de desemprego e o escore de bem-estar, exibem uma relação negativa com o desfecho. Estimamos o impacto das taxas de inatividade física sobre a proporção média de adultos obesos e os resultados revelaram que o efeito desse impacto é positivo e apresenta uma forma acelerada para valores de inatividade física menores do que 0.85.

Keywords


Estados Unidos; modelo de regressão beta; obesos

References


Almeida Junior, P., Souza, T. (2015). Estimativas de votos

da presidente Dilma Roussef nas eleições presidenciais

de 2010 sob o âmbito do bolsa família. Ciência e Natura,

(1), 12–22.

Arterburn, D., Maciejewski, M., Tsevat, J. (2005). Impact

of morbid obesity on medical expenditures in adults.

International Journal of Obesity, 29(3), 334–339.

Basu, S., Mckee, M., Galea, G., Stuckler, D. (2013). Relationship

of soft drink consumption to global overweight,

obesity, and diabetes: a cross-national analysis of 75

countries. American Journal of Public Health, 103(11),

(7).

Cabrera, M., Filho, W. (2001). Obesidade em idosos:

prevalência, distribuição e associação com hábitos e

co-morbidades. Arq Bras Endocrinol Metab, 45(5), 494–

Castanho, G. K. F., Marsola, F. C., Mclellan, K. C. P., Nicola,

M., Moreto, F., Burini, R. C. (2013). Consumo de

frutas, verduras e legumes associado à síndrome metabólica

e seus componentes em amostra populacional

adulta. Ciência Saúde Coletiva, 18(2), 385–392.

Cavalcanti, C. B. S., Barros, M. V. G., Menêses, A. L., Santos,

C. M., Azevedo, A. M. P., Guimarães, F. J. d. S. P.

(2010). Obesidade abdominal em adolescentes: prevalência

e associação com atividade física e hábitos

alimentares. Arquivos Brasileiros de Cardiologia, 94(3),

–377.

Cribari-Neto, F., Souza, T. (2012). Testing inference in variable

dispersion beta regressions. Journal os Statistical

Computation and Simulation, 82(12), 1827–1843.

Cribari-Neto, F., Souza, T. (2013). Religious belief and

intelligence: Worldwide evidence. Intelligence, 41(5),

–489.

Cribari-Neto, F., Zeileis, A. (2010). Beta regression in R.

Journal of Statistical Software, 34(2), 1–24.

Danaei, G., Ding, E., Mozaffarian, D., Taylor, B., Rehm,

J., Murray, C., M., E. (2009). The preventable causes

of death in the united states: comparative risk assessment

of dietary, lifestyle, and metabolic risk factors.

PLoS Medice, 6(4).

Dharod, J. M., Croom, J. E., Sady, C. G. (2013). Food

insecurity: its relationship to dietary intake and body

weight among somali refugee women in the United

States. Journal of Nutrition Education and Behavior, 45(1),

–53.

Espinheira, P., Ferrari, S., Cribari-Neto, F. (2008a). Influence

diagnostics in beta regression. Computational

Statistics and Data Analysis, 52(9), 4417–4431.

Espinheira, P., Ferrari, S., Cribari-Neto, F. (2008b). On

beta regression residuals. Journal of Applied Statistics,

(4), 407–419.

Ferrari, S., Cribari-Neto, F. (2004). Beta regression for

modeling rates and proportions. Journal os Applied

Statistics, 31(7), 799–815.

Flegal, K. M. (2007). The effects of changes in smoking

prevalence on obesity prevalence in the United States.

American Journal of Public Health, 97(8), 1510–1514.

Gabriele, R. (2011). Índice de massa corporal no diagnóstico

de transtornos nutricionais em idosos institucionalizados

no município de Fortaleza, Ceará. Dissertação

de Mestrado, Universidade de Fortaleza.

Kleiber, C., Zeleis, A. (2008). Applied econometrics with R.

New York: Springer.

Mccullagh, P., Nelder, J. (1989). Generalized linear models.

London: Chapman and Hall.

Ogden, C., Carroll, M., KIT, B., KM., F. (2013). Prevalence

of obesity among adults: United states, 2011-2012.

NCHS Data Brief, 131, 1–8.

Pietiläinen, K., Kaprio, J., Borg, P., Plasqui, G., Ykijärvinen,

H., Kujala, U., Rose, R., Westerterp, K., Rissanen,

A. (2008). Physical inactivity and obesity: A vicious

circle. Obesity (Silver Spring), 16(2), 409–414.

Ramsey, J. B. (1969). Tests for specification erros in classical

linear least squares regression analysis. Journal of

the Royal Statistical Society, 31(2), 350–371.

Rezende, F. A. C., Rosado, L. E. F. P., Ribeiro, R. C. L.,

Vidigal, F. C., Vasques, A. C. J., Bonard, I. S., Carvalho,

C. R. (2006). Índice de massa corporal e circunferência

abdominal: associação com fatores de risco cardiovascular.

Arq Bras Cardiol, 87(6), 728–734.

Silva, C., Souza, T. (2014). Modelagem da taxa de analfabetismo

no estado da Paraíba via modelo de regressão

beta. Revista Brasileira de Biometria, 32(3), 345–359.

Simas, A., Barreto-Souza, W., Rocha, A. (2010). Improved

estimators for a general class of beta regression models.

Computational Statistics and Data Analysis, 54(2),

–366.

Smithson, M., Verkuilen, J. (2006). A better lemonsqueezer?

maximum likelihood regression with

beta-distribuited dependent variables. Psychological

Methods, 11(1), 54–71.

Souza, T., Cribari-Neto, F. (2015). Intelligence, religiosity

and homosexuality non-acceptance: Empirical

evidence. Intelligence (Norwood), 52, 63–70.

Stol, A., Gugelmin, G., Lampa-Junior, V. M., Frigulha,

C., Selbach, R. A. (2011). Complicações e óbitos nas

operações para tratar a obesidade mórbida. ABCD Arq

Bras Cir Dig, 24(4), 282–284.

Zhang, Q., Lamichhane, R., Wang, Y. (2014). Associations

between u.s. adult obesity and state and county

economic conditions in the recession. Journal of Clinical

Medicine, 3(1), 153–166.




DOI: https://doi.org/10.5902/2179460X21393

Copyright (c) 2016 Ciência e Natura



Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.