Correção de Bartlett em modelos com erros nas vari´aveis
Bartlett’s correction in measurement errors models
DOI:
https://doi.org/10.5902/2179460X83861Palavras-chave:
Correção de Bartlett, Distribuição normal bivariada, Modelos com erros nas variáveis, Regressão com amostra pequenaResumo
Neste trabalho, abordamos a realizac¸˜ao de testes em modelos de regress˜ao linear simples (MRLS) com erros nas vari´aveis, quando o tamanho da amostra ´e pequeno. Tais modelos s˜ao generalizaç˜oes dos modelos de regress˜ao clássicos e tem sido aplicados em v´arias ´areas como, por exemplo, na medicina e na química. A estat´ıstica da raz˜ao de verossimilhanças pode ser utilizada para realizar testes sobre os parˆametros desses modelos. No entanto, em amostras pequenas, a distribuic¸˜ao qui-quadrado n˜ao fornece uma boa aproximação para distribuic¸˜ao desta estatística, sob a hipotese nula. Assim, constru´ımos um fator de correc¸˜ao de Bartlett para o teste da raz˜ao de verossimilhanc¸as que reduz a distorc¸˜ao no tamanho do teste, visto que esta estat´ıstica modificada possui distribuic¸˜ao qui-quadrado at´e um erro de ordem o(n−1), onde n ´e o tamanho da amostra. Uma vantagem da metodologia empregada ´e que a express˜ao para a correc¸˜ao de Bartlett envolve somente operaç˜oes simples de matrizes e vetores. É apresentado um estudo de simulac¸˜ao com a comparação da estat´ıstica corrigida e n˜ao corrigida. Os resultados num´ericos favorecem o teste modificado. Para exemplificar a metodologia proposta, mostramos uma aplicação com dados reais. Adicionalmente, desenvolvemos uma rotina utilizando a linguagem R onde ´e poss´ıvel obter a estat´ıstica do teste da raz˜ao de verossimilhanc¸as corrigida por um fator de correc¸˜ao de Bartlett para o MRLS com erros nas vari´aveis.
Downloads
Referências
Aoki, R., Bolfarine, H., & Singer, J. M. (2001). Null intercept measurement error regression models. Test, 10(A):441–457.
Araújo, M. C., Cysneiros, A. H. M. A., & Montenegro, L. C. (2022). Bartlett and bartlett-type corrections in heteroscedastic symmetric nonlinear regression models. An Acad Bras Cienc, 21:1–15.
Aubin, E. C. Q. & Cordeiro, G. M. (2000). Bartlett-corrected tests for normal linear models when the error covariance matrix is nonscalar. Communications in Statistics – Theory and Methods, 29:2405–2426.
Barndorff-Nielsen, O. (1986). Inference on full or partial parameters, based on the standardized signed log likelihood ratio. Biometrika, 73:307–322.
Bartlett, M. S. (1937). Properties of sufficiency and statistical tests. Proceedings of the Royal Society of London A, 160:268–282.
Bartlett, M. S. (1947). Multivariate analysis. Journal of the Royal Statistical Society. Supplement, 9:179–197.
Bartlett, M. S. (1954). A note on the multiplying factors for various χ2 approximations. Journal of the Royal Statistical Society B, 16:296–298.
Bayer, F. M. & Cribari-Neto, F. (2013). Bartlett corrections in beta regression models. Journal of Statistical Planning and Inference, 143:531–547.
Chan, L. K. & Mak, T. K. (1979). On the maximum likelihood estimation of a linear structural relationship when the intercept is known. Journal of Multivariate Analysis, 9:304–313.
Cheng, C. L. & Van Ness, J. W. (1999). Statistical Regression with Measurement Error. Oxford University Press.
Cordeiro, G. M. (1993). General matrix formulae for computing bartlett corrections. Statistics and Probability Letters, 16:11–18.
Cordeiro, G. M. & Cribari-Neto, F. (1996). On bartlett and bartlett-type corrections. Econometric Reviews, 15:339–367.
Cordeiro, G. M. & Cribari-Neto, F. (2014). An Introduction to Bartlett Correction and Bias Reduction. Springer.
Fuller, W. A. (1987). Measurement Error Models. Wiley.
Kulathinal, S. B., Kuulasmaa, K., & Gasbarra, D. (2002). Estimation of an errors-invariables regression model when the variances of the measurement errors vary between the observations. Statistics in Medicine, 21:1089–1101.
Magalhães, T. M., Pereira, G. H. A., Botter, D. A., & Sandoval, M. C. (2024). Bartlett corrections for zero-adjusted generalized linear models. Statistical Papers, 65:2191–2209.
Melo, T. F. N., Vargas, T. M., Lemonte, A. J., & Moreno-Arenas, G. (2022). Higherorder asymptotic refinements in the multivariate dirichlet regression model. Communications in Statistics – Simulation and Computation, 51:53–71.
Melo, T. F. N., Vargas, T. M., Lemonte, A. J., & Patriota, A. G. (2024). Higherorder asymptotic refinements in a multivariate regression model with general parameterization. Journal of Statistical Computation and Simulation, 94(13):2952–2975.
Neyman, J. & Pearson, E. S. (1928). On the use and interpretation of certain test criteria for purposes of statistical inference. Biometrika, 20:175–240.
Noma, H., Nagashima, K., Maruo, K., Gosho, M., & Furukawa, T. A. (2018). Bartlett-type corrections and bootstrap adjustments of likelihood-based inference methods for network meta-analysis. Statistics in Medicine, 37:1178–1190.
R Development Core Team (2022). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria.
Riu, J. & Rius, F. X. (1996). Assessing the accuracy of analytical methods using linear regression with errors in both axes. Analytical Chemistry, 68:1851–1857.
Wong, M. Y. (1991). Bartlett adjustment to the likelihood ratio statistic for testing several slopes. Biometrika, 78:221–224.
Wong, O., Qiao, G., Di Loreto, A., Shi, X., & Wong, A. (2025). Bartlett-type correction for testing homogeneity of inverse gaussian means. Journal of Statistical Computation and Simulation, pages 1–20.
Zavala, A. A. Z., Bolfarine, H., & De Castro, M. (2007). Assessing the accuracy of analytical methods using linear regression with errors in both axes. Annals of the Institute of Statistical Mathematics, 59:515–530.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Ciência e Natura

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Para acessar a DECLARAÇÃO DE ORIGINALIDADE E EXCLUSIVIDADE E CESSÃO DE DIREITOS AUTORAIS clique aqui.
Diretrizes Éticas para Publicação de Revistas
A revista Ciência e Natura está empenhada em garantir a ética na publicação e na qualidade dos artigos.
A conformidade com padrões de comportamento ético é, portanto, esperada de todas as partes envolvidas: Autores, Editores e Revisores.
Em particular,
Autores: Os Autores devem apresentar uma discussão objetiva sobre a importância do trabalho de pesquisa, bem como detalhes e referências suficientes para permitir que outros reproduzam as experiências. Declarações fraudulentas ou intencionalmente incorretas constituem comportamento antiético e são inaceitáveis. Artigos de Revisão também devem ser objetivos, abrangentes e relatos precisos do estado da arte. Os Autores devem assegurar que seu trabalho é uma obra totalmente original, e se o trabalho e / ou palavras de outros têm sido utilizadas, isso tem sido devidamente reconhecido. O plágio em todas as suas formas constitui um comportamento publicitário não ético e é inaceitável. Submeter o mesmo manuscrito a mais de um jornal simultaneamente constitui um comportamento publicitário não ético e é inaceitável. Os Autores não devem submeter artigos que descrevam essencialmente a mesma pesquisa a mais de uma revista. O Autor correspondente deve garantir que haja um consenso total de todos os Co-autores na aprovação da versão final do artigo e sua submissão para publicação.
Editores: Os Editores devem avaliar manuscritos exclusivamente com base no seu mérito acadêmico. Um Editor não deve usar informações não publicadas na própria pesquisa do Editor sem o consentimento expresso por escrito do Autor. Os Editores devem tomar medidas de resposta razoável quando tiverem sido apresentadas queixas éticas relativas a um manuscrito submetido ou publicado.
Revisores: Todos os manuscritos recebidos para revisão devem ser tratados como documentos confidenciais. As informações ou ideias privilegiadas obtidas através da análise por pares devem ser mantidas confidenciais e não utilizadas para vantagens pessoais. As revisões devem ser conduzidas objetivamente e as observações devem ser formuladas claramente com argumentos de apoio, de modo que os Autores possam usá-los para melhorar o artigo. Qualquer Revisor selecionado que se sinta desqualificado para rever a pesquisa relatada em um manuscrito ou sabe que sua rápida revisão será impossível deve notificar o Editor e desculpar-se do processo de revisão. Os Revisores não devem considerar manuscritos nos quais tenham conflitos de interesse resultantes de relacionamentos ou conexões competitivas, colaborativas ou outras conexões com qualquer dos autores, empresas ou instituições conectadas aos documentos.

