Estimadores Ridge generalizados adaptados em modelos de equações estruturais: estudo de simulação e aplicação no perfil de consumidores de café

Detalhes bibliográficos
Ano de defesa: 2014
Autor(a) principal: Pereira, Gislene Araújo
Orientador(a): Cirillo, Marcelo Ângelo
Banca de defesa: Brighenti, Carla Regina Guimarães, Freire, Evelise Roman Corbalan Gois, Menezes, Fortunato Silva, Barroso, Lúcia Pereira
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: UNIVERSIDADE FEDERAL DE LAVRAS
Programa de Pós-Graduação: DEX - Departamento de Ciências Exatas
Departamento: Não Informado pela instituição
País: BRASIL
Palavras-chave em Português:
Multicolinearidade
Regressão ridge generalizada
Multicollinearity
Generalized ridge regression
Área do conhecimento CNPq:
CNPQ_NÃO_INFORMADO
Link de acesso: https://repositorio.ufla.br/handle/1/4461
Resumo: Tese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutor.
id UFLA_96b38c458a11cb35971ca20feafe52ae
oai_identifier_str oai:repositorio.ufla.br:1/4461
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling 2014-10-22T12:41:05Z2014-10-22T12:41:05Z2014-10-222014-07-31PEREIRA, G. A. Estimadores Ridge generalizados adaptados em modelos de equações estruturais : estudo de simulação e aplicação no perfil de consumidores de café. 2014. 80 p. Tese (Doutorado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2014.https://repositorio.ufla.br/handle/1/4461Tese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutor.The Structural Equation Modelling (SEM) is a multivariate methodology, that allow us incorporating variables that cannot be directly measured, but which can be presented or measured by using observed variables. It also allow us analyzing simultaneously various relations of cause and effect among a set of variables. In the process of statistical modelling, is common facing multicollinear variables, which require a specific t reatment, with the implementation of a lternative methods, by ridge-based method being the most used. The presence of multicollinearity among variables can cause the problem of numerical singularity involved in the calculation of inverse matrix, present in the estimation methods. The multicollinearity is detected in regression models on which independent variables are strongly correlated. Because the SEM-based model involves linear relations, on many applications, where SEM-based methodology is recommended, it is common facing this problem. Thus, we sought here to adapt the generalized ridge estimators to SEMbased methodology, with the proposal of applying the model-adaptive structural, the description of the profile of a group of coffee consumers. Then, a Monte Carlo simulation study was carried out considering different sample sizes and different multicollinearity degrees. We also analyzed the characterization of generalized ridge estimators. According to results, we found that with the presence of multicollinearity observed variables, regardless the sample size or the multicollinearity degree, the generalized ridge estimators show less Mean Square Error (MSE) than the traditional estimator of Ordinary Least Squares (OLS). Even presenting the advantage of resulting in MSE relatively smaller than the OLS estimator, the generalized ridge estimators were, in the majority of cases, analyzed and then responsible for great biases. However, we found that as sample size and the multicollinearity degree increase, the generalized ridge estimators biases get close to the empirical biases of the OLS estimator. By studying the profile description of a set of coffee consumers, we found that the generalized ridge estimators were also equally efficient in the reduction of MSE. Therefore, we conclude that the generalized ridge estimators were successfully adapted to Structural Equation Modelling.A modelagem de equações estruturais (SEM-Structural Equation Modeling) é uma metodologia multivariada que permite incorporar variáveis que não podem ser medidas diretamente, mas podem ser representadas ou medidas por variáveis observáveis; e, também, analisar, simultaneamente, várias relações de causa e efeito entre um conjunto de variáveis. Na realização de uma modelagem estatística, é comum se deparar com variáveis multicolineares, as quais requerem um tratamento específico, com a implementação de métodos alternativos, sendo o método ridge o mais usual. A presença de multicolinearidade entre as variáveis, poderá ocasionar o problema da singularidade numérica envolvida no cálculo das matrizes inversas presentes nos métodos de estimação. A multicolinearidade é detectada em modelos de regressão, nos quais as variáveis independentes são fortemente correlacionadas. Dado o fato de que um modelo SEM envolve relações lineares, em inúmeras aplicações onde a SEM é indicada, , naturalmente, deparase com esse problema. Diante disso, este trabalho foi realizado com o objetivo de adaptar os estimadores ridge generalizados à SEM, com a proposta de aplicar os modelos estruturais adaptados à descrição do perfil de um grupo de consumidores de café. Com este propósito, um estudo de simulação Monte Carlo foi realizado considerando diferentes tamanhos amostrais e diferentes graus de multicolinearidade. Também, foi analisado o comportamento dos estimadores ridge generalizados, no estudo da descrição do perfil de um grupo de consumidores de café. Concluiu-se que, diante da presença de variáveis observadas multicolinearidade, independente do tamanho amostral ou do grau de multicolinearidade, os estimadores ridge generalizados apresentaram EQM menores do que o tradicional estimador de mínimos quadrados ordinários. Mesmo apresentando a vantagem de resultarem EQM relativamente menores que o estimador de mínimos quadrados ordinários, os estimadores ridge generalizado foram na maioria dos casos analisados, responsáveis pelos maiores vieses. Entretanto, observou-se que quanto maior o tamanho amostral e o grau de multicolinearidade, mais os vieses dos estimadores ridge generalizados se aproximavam dos vieses empíricos do estimados de mínimos quadrados ordinários. No estudo da descrição de perfil de um grupo de consumidores de café, os estimadores ridge generalizados, também, mostraram-se igualmente eficientes na redução do EQM. Sendo assim, pode-se concluir que os estimadores ridge generalizados foram adaptados com sucesso à modelagem de equações estruturais.Estatística e Experimentação AgropecuáriaUNIVERSIDADE FEDERAL DE LAVRASDEX - Departamento de Ciências ExatasUFLABRASILCNPQ_NÃO_INFORMADOMulticolinearidadeRegressão ridge generalizadaMulticollinearityGeneralized ridge regressionEstimadores Ridge generalizados adaptados em modelos de equações estruturais: estudo de simulação e aplicação no perfil de consumidores de caféGeneralized ridge estimators adapted in structural equation models: simulation study and application in profile of coffee consumersinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisCirillo, Marcelo ÂngeloBrighenti, Carla Regina GuimarãesFreire, Evelise Roman Corbalan GoisMenezes, Fortunato SilvaBarroso, Lúcia PereiraPereira, Gislene Araújoinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLALICENSElicense.txtlicense.txttext/plain; charset=utf-8953https://repositorio.ufla.br/bitstreams/9d925d75-8407-4601-ad3d-fd9f0f900a2e/download760884c1e72224de569e74f79eb87ce3MD52falseAnonymousREADORIGINALTESE_Estimadores Ridge generalizados adaptados em modelos de.pdfTESE_Estimadores Ridge generalizados adaptados em modelos de.pdfapplication/pdf959068https://repositorio.ufla.br/bitstreams/c9dafcc5-dc04-4200-ae98-1616b8a95f98/download123015131422726e73611e82efe43297MD51trueAnonymousREADTEXTTESE_Estimadores Ridge generalizados adaptados em modelos de.pdf.txtTESE_Estimadores Ridge generalizados adaptados em modelos de.pdf.txtExtracted texttext/plain106763https://repositorio.ufla.br/bitstreams/eee96ef5-9010-40ec-8d4c-72c9a66d17e2/download55203eac068173ea9450fce05f41997fMD53falseAnonymousREADTHUMBNAILTESE_Estimadores Ridge generalizados adaptados em modelos de.pdf.jpgTESE_Estimadores Ridge generalizados adaptados em modelos de.pdf.jpgGenerated Thumbnailimage/jpeg3110https://repositorio.ufla.br/bitstreams/c7ccd716-c171-4e47-acf1-784361fde342/download84b11e8a4872a71f3fbddd5c19187267MD54falseAnonymousREAD1/44612025-10-23 21:05:45.664open.accessoai:repositorio.ufla.br:1/4461https://repositorio.ufla.brRepositório InstitucionalPUBhttps://repositorio.ufla.br/server/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2025-10-24T00:05:45Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)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
dc.title.pt_BR.fl_str_mv Estimadores Ridge generalizados adaptados em modelos de equações estruturais: estudo de simulação e aplicação no perfil de consumidores de café
dc.title.alternative.pt_BR.fl_str_mv Generalized ridge estimators adapted in structural equation models: simulation study and application in profile of coffee consumers
title Estimadores Ridge generalizados adaptados em modelos de equações estruturais: estudo de simulação e aplicação no perfil de consumidores de café
spellingShingle Estimadores Ridge generalizados adaptados em modelos de equações estruturais: estudo de simulação e aplicação no perfil de consumidores de café
Pereira, Gislene Araújo
CNPQ_NÃO_INFORMADO
Multicolinearidade
Regressão ridge generalizada
Multicollinearity
Generalized ridge regression
title_short Estimadores Ridge generalizados adaptados em modelos de equações estruturais: estudo de simulação e aplicação no perfil de consumidores de café
title_full Estimadores Ridge generalizados adaptados em modelos de equações estruturais: estudo de simulação e aplicação no perfil de consumidores de café
title_fullStr Estimadores Ridge generalizados adaptados em modelos de equações estruturais: estudo de simulação e aplicação no perfil de consumidores de café
title_full_unstemmed Estimadores Ridge generalizados adaptados em modelos de equações estruturais: estudo de simulação e aplicação no perfil de consumidores de café
title_sort Estimadores Ridge generalizados adaptados em modelos de equações estruturais: estudo de simulação e aplicação no perfil de consumidores de café
author Pereira, Gislene Araújo
author_facet Pereira, Gislene Araújo
author_role author
dc.contributor.advisor1.fl_str_mv Cirillo, Marcelo Ângelo
dc.contributor.referee1.fl_str_mv Brighenti, Carla Regina Guimarães
Freire, Evelise Roman Corbalan Gois
Menezes, Fortunato Silva
Barroso, Lúcia Pereira
dc.contributor.author.fl_str_mv Pereira, Gislene Araújo
contributor_str_mv Cirillo, Marcelo Ângelo
Brighenti, Carla Regina Guimarães
Freire, Evelise Roman Corbalan Gois
Menezes, Fortunato Silva
Barroso, Lúcia Pereira
dc.subject.cnpq.fl_str_mv CNPQ_NÃO_INFORMADO
topic CNPQ_NÃO_INFORMADO
Multicolinearidade
Regressão ridge generalizada
Multicollinearity
Generalized ridge regression
dc.subject.por.fl_str_mv Multicolinearidade
Regressão ridge generalizada
Multicollinearity
Generalized ridge regression
description Tese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutor.
publishDate 2014
dc.date.submitted.none.fl_str_mv 2014-07-31
dc.date.accessioned.fl_str_mv 2014-10-22T12:41:05Z
dc.date.available.fl_str_mv 2014-10-22T12:41:05Z
dc.date.issued.fl_str_mv 2014-10-22
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv PEREIRA, G. A. Estimadores Ridge generalizados adaptados em modelos de equações estruturais : estudo de simulação e aplicação no perfil de consumidores de café. 2014. 80 p. Tese (Doutorado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2014.
dc.identifier.uri.fl_str_mv https://repositorio.ufla.br/handle/1/4461
identifier_str_mv PEREIRA, G. A. Estimadores Ridge generalizados adaptados em modelos de equações estruturais : estudo de simulação e aplicação no perfil de consumidores de café. 2014. 80 p. Tese (Doutorado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2014.
url https://repositorio.ufla.br/handle/1/4461
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv UNIVERSIDADE FEDERAL DE LAVRAS
dc.publisher.program.fl_str_mv DEX - Departamento de Ciências Exatas
dc.publisher.initials.fl_str_mv UFLA
dc.publisher.country.fl_str_mv BRASIL
publisher.none.fl_str_mv UNIVERSIDADE FEDERAL DE LAVRAS
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
bitstream.url.fl_str_mv https://repositorio.ufla.br/bitstreams/9d925d75-8407-4601-ad3d-fd9f0f900a2e/download
https://repositorio.ufla.br/bitstreams/c9dafcc5-dc04-4200-ae98-1616b8a95f98/download
https://repositorio.ufla.br/bitstreams/eee96ef5-9010-40ec-8d4c-72c9a66d17e2/download
https://repositorio.ufla.br/bitstreams/c7ccd716-c171-4e47-acf1-784361fde342/download
bitstream.checksum.fl_str_mv 760884c1e72224de569e74f79eb87ce3
123015131422726e73611e82efe43297
55203eac068173ea9450fce05f41997f
84b11e8a4872a71f3fbddd5c19187267
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1854947769814351872

Registros relacionados