Questão de Estatística — Modelos lineares — FUNDATEC 2025

Equações de Estimação Generalizadas (GEE)

Gabarito: letra A. No método GEE, a estrutura de correlação é modelada apenas dentro dos clusters (grupos de observações correlacionadas, como medidas repetidas de um mesmo indivíduo), assumindo-se independência entre observações de grupos distintos — exatamente o que afirma a alternativa A. As demais alternativas distorcem os pressupostos do método: o GEE não exige normalidade dos resíduos, não exige independência dos resíduos (pelo contrário, modela a correlação) e não é um método que exija ausência de dados ausentes ou outliers.

O GEE (Generalized Estimating Equations) foi proposto por Liang e Zeger (1986) como uma extensão dos Modelos Lineares Generalizados (GLM) para dados correlacionados, especialmente dados longitudinais e medidas repetidas. A ideia central é estimar os parâmetros da regressão marginal (efeitos populacionais médios) especificando apenas a estrutura de correlação entre as observações dentro de cada cluster, sem precisar especificar completamente a distribuição conjunta dos dados. Isso torna o método robusto e flexível, pois as estimativas dos parâmetros permanecem consistentes mesmo que a estrutura de correlação especificada esteja incorreta (desde que a média marginal esteja corretamente especificada).

A principal distinção entre GEE e GLM está justamente no tratamento da correlação: enquanto o GLM assume independência das observações, o GEE foi desenvolvido para relaxar essa suposição, modelando explicitamente a correlação intra-cluster. Essa é a razão de ser do método — sem correlação, o GEE se reduziria ao GLM. A alternativa D inverte exatamente esse raciocínio, afirmando que o GEE exige independência dos resíduos, o que contraria a própria motivação do método.

A pegadinha da banca nesta questão é dupla: primeiro, confundir GEE com GLM (que realmente assume independência); segundo, atribuir ao GEE pressupostos de normalidade que pertencem a outros métodos de estimação, como a máxima verossimilhança em modelos lineares mistos. O candidato que não domina a distinção entre esses métodos tende a marcar a alternativa D, que parece plausível por associar GEE a GLM, mas é justamente o oposto do que o GEE propõe.

Alternativa A — ✅ Correta ⟵ GABARITO

Esta alternativa descreve corretamente o pressuposto fundamental do GEE: a correlação é modelada dentro dos grupos (clusters), mas assume-se independência entre grupos distintos. Essa é a estrutura de correlação "working" (trabalho) que o método utiliza — o pesquisador especifica uma matriz de correlação intra-cluster (por exemplo, exchangeable, autoregressiva, não estruturada), e as observações de clusters diferentes são tratadas como independentes. Essa suposição é o que permite estimar os parâmetros de forma consistente mesmo com especificação incorreta da correlação, desde que a média marginal esteja correta.

Alternativa B — ❌ Incorreta

O GEE não exige que a variável dependente seja quantitativa. Pelo contrário, uma das grandes vantagens do método é justamente permitir modelar variáveis dependentes de diferentes naturezas — contínuas, discretas, binárias, de contagem — por ser uma extensão dos GLM. O GEE pode ser aplicado a dados binários (regressão logística marginal), dados de contagem (regressão de Poisson marginal), entre outros. A alternativa erra ao restringir o método a variáveis quantitativas, quando na verdade ele foi desenvolvido para generalizar justamente essa possibilidade.

Alternativa C — ❌ Incorreta

O GEE não exige normalidade dos resíduos. Na verdade, uma das principais vantagens do método é ser uma abordagem "quase-paramétrica" (quasi-likelihood), que não requer especificação completa da distribuição dos dados — apenas a média marginal e a estrutura de correlação. As estimativas dos parâmetros são consistentes mesmo sem normalidade, desde que a média marginal esteja corretamente especificada. A normalidade é um pressuposto de outros métodos, como a máxima verossimilhança em modelos lineares mistos, mas não do GEE.

Alternativa D — ❌ Incorreta

Esta alternativa inverte completamente a motivação do GEE. O método foi desenvolvido justamente para lidar com dados correlacionados, onde a independência dos resíduos não se verifica. Enquanto o GLM assume independência das observações, o GEE modela explicitamente a correlação intra-cluster. Afirmar que o GEE exige independência dos resíduos é o oposto do que o método propõe — é uma pegadinha clássica que confunde GEE com GLM. A alternativa D é a mais traiçoeira, pois o candidato que associa GEE a GLM pode ser levado a marcá-la.

Alternativa E — ❌ Incorreta

O GEE não exige ausência de dados ausentes ou outliers. Na verdade, o método é conhecido por ser robusto a certas violações de pressupostos, e a presença de dados ausentes pode ser tratada com técnicas apropriadas (como imputação ou análise de sensibilidade). Além disso, o GEE permite o uso de erros-padrão robustos (sandwich estimator), que fornecem inferências válidas mesmo quando a estrutura de correlação é especificada incorretamente ou quando há heterocedasticidade. A alternativa erra ao impor uma restrição que não existe no método.

Gabarito: letra A