Submitted by Danielle Karla Martins Silva (danielle.martins@ufpe.br) on 2015-03-12T12:34:22Z No. of bitstreams: 2 José Sérgio Casé de Oliveira.pdf: 1717088 bytes, checksum: 91394789d8ecc6a45d75afc3abd4503c (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-12T12:34:22Z (GMT). No. of bitstreams: 2 José Sérgio Casé de Oliveira.pdf: 1717088 bytes, checksum: 91394789d8ecc6a45d75afc3abd4503c (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013 / CAPES / Esta dissertação tem por objetivo avaliar o poder do teste de má especificação proposto por Cribari-Neto & Lima (2007) em vários cenários que configuram má especificação do modelo de regressão beta, em particular: função de ligação incorreta, presença de outlier na amostra, omissão de variável regressora importante, estimação com dispersão constante quando o modelo verdadeiro possui dispersão variável (e vice-versa) e má especificação da distribuição da variável resposta. O desempenho do teste foi avaliado em modelos de regressão beta com dispersão fixa e variável. Adicionalmente, introduzimos um outro teste de má especificação, o qual também teve seu poder avaliado em diversos cenários de má especificação. O poder do teste proposto foi comparado ao do teste proposto por Cribari-Neto & Lima (2007). Os desempenhos dos testes em amostras finitas foram avaliados numericamente por meio de simulações de Monte Carlo. Por fim, apresentamos algumas aplicações com dados reais.