Índices de qualidade de ajuste de modelos de equações estruturais considerando repetições e tratamentos com aplicação em análise sensorial de cafés

• Ano de defesa: 2022
• Autor(a) principal: Resende, Mariana
• Orientador(a): Cirillo, Marcelo Ângelo
• Banca de defesa: Freire, Evelise Roman Corbalan Góis, Liska, Gilberto Rodrigues, Barroso, Lúcia Pereira, Lima, Renato Ribeiro de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-Graduação em Estatística e Experimentação Agropecuária
• Departamento: Departamento de Estatística
• País: brasil
• Palavras-chave em Português: Modelagem de equações estruturais; Outliers; Índice de qualidade do ajuste; Índice da qualidade do ajuste corrigido; Café - Análise sensorial; Structural equation modeling; Fit quality index; Corrected quality of fit index
• Área do conhecimento CNPq: Estatística
• Link de acesso: https://repositorio.ufla.br/handle/1/55227

A Modelagem de Equações Estruturais (MEE) é uma técnica multivariada que permite o estudo de diversas relações simultaneamente, inclusive envolvendo variáveis não observáveis. Em geral, a qualidade de ajuste de um modelo de equações estruturais é verificada por diversos índices, nos quais, em síntese, avaliam a correspondência entre a matriz de covariância amostral e a covariância implícita pelo modelo que represente apropriadamente as inter-relações entre os indicadores envolvidos no estudo, porém, em nenhum deles, a repetição entre as variáveis observadas são consideradas. Com essa motivação, este trabalho tem por objetivo propor a modificação em índices GFI e AGFI considerando repetições e tratamentos nas variáveis observadas e aplicação à análise sensorial de cafés. A validação foi feita por simulação Monte Carlo, em diversos cenários, representados por diferentes números de repetições, graus de heterogeneidade e quantidades de outliers, geradas por distribuições com desvios de simetria e excesso de curtose. O estudo de simulação mostrou que o aprimoramento dos índices de validade de ajuste GFI e AGFI foi promissor, uma vez que apresentou propriedades de robustez, em relação à presença de outliers e mostrou evidências de diagnóstico de um modelo com bom e ruim ajuste, mediante os graus de heterogeneidade impostos entre as matrizes de covariâncias amostral e hipotetizada pelo modelo. Em relação ao estudo de cafés especiais, dado o modelo proposto, as informações representadas, nas variáveis latentes, produção e variações ambientais, de fato, influenciam na percepção sensorial para os cafés produzidos na região da Serra da Mantiqueira e o aprimoramento dos índices apresentou melhorias, em validação do modelo, dada a inclusão das repetições das variáveis observadas.