Suponha que eu ajuste uma regressão binomial e obtenha as estimativas pontuais e a matriz de variância-covariância dos coeficientes de regressão. Isso me permitirá obter um IC para a proporção esperada de sucessos em um experimento futuro, , mas preciso de um IC para a proporção observada. Foram postadas algumas respostas relacionadas, incluindo simulação (suponha que eu não queira fazer isso) e um link para Krishnamoorthya et al (que não responde totalmente à minha pergunta).
Meu raciocínio é o seguinte: se usarmos apenas o modelo Binomial, somos forçados a assumir que é amostrado da distribuição Normal (com o correspondente Wald CI) e, portanto, é impossível obter o IC para a proporção observada em forma fechada. Se assumirmos que é amostrado da distribuição beta, as coisas ficam muito mais fáceis porque a contagem de sucessos seguirá a distribuição beta-binomial. Teremos que assumir que não há incerteza nos parâmetros beta estimados, e .
Existem três perguntas:
1) Teórico: pode-se usar apenas as estimativas pontuais dos parâmetros beta? Eu sei que para construir um IC para observação futura em regressão linear múltipla
eles fazem essa variância do termo de erro errado, . Entendo (corrija-me se estiver errado) que a justificativa é que na prática seja estimado com uma precisão muito maior do que os coeficientes de regressão e não ganharemos muito tentando incorporar a incerteza de . Uma justificativa semelhante é aplicável aos parâmetros beta estimados, e ?
2) Qual pacote é melhor (R: gamlss-bb, betareg, aod ?; eu também tenho acesso ao SAS).
3) Dados os parâmetros beta estimados, existe um atalho (aproximado) para obter os quantis (2,5%, 97,5%) para a contagem de sucessos futuros ou, melhor ainda, para a proporção de sucessos futuros na distribuição beta-binomial.