Incorporando a variabilidade no processo de identificação do modelo de máximo global no Grade of Membership (GoM): considerações metodológicas

Revista Brasileira de Estudos de População

Gilvan Ramalho Guedes²  Pamila Cristina Lima Siviero¹  André Junqueira Caetano¹  Carla Jorge Machado¹  Eduardo Brondízio¹ 

[1] ,Univale

关键词: Grade of Membership;    Máximo Global Ponderado;    Variabilidade;    Identificabilidade;    Grade of Membership;    Weighted Global Maximum;    Variability;    Identifiability;    Grade of Membership;    Máximo Global Ponderado;    Variabilidad;    Identificabilidad;   

DOI  :  10.1590/S0102-30982011000200006

来源: SciELO

【 摘 要 】

A disponibilidade de bases de dados cada vez mais complexas e multidimensionais é um dos principais motivadores para o aumento do número de estudos que utilizam análises multivariadas baseadas em lógica de conjuntos nebulosos. Apesar da disseminação do método Grade of Membership nos trabalhos empíricos brasileiros da área de ciências sociais e saúde, questões relativas à identificabilidade e estabilidade dos parâmetros finais estimados pelo programa GoM 3.4 não foram suficientemente aprofundadas. Dada a relevância de se obterem parâmetros únicos e estáveis, Guedes et al. (2010) propuseram um procedimento empírico para localizar um modelo de máximo global (MG) com parâmetros estáveis. Entretanto, seu localizador de MG não incorpora qualquer medida de variabilidade. Neste artigo, tal limitação é contornada por meio da utilização de uma estatística de ponderação - Máximo Global Ponderado (MGP) - semelhante ao coeficiente de variação. Esse indicador busca não penalizar de forma desproporcional situações nas quais os desvios médios, apesar de diferentes de zero, são muito pequenos. Apresentam-se evidências de que o localizador MGP reduz a distância do modelo identificado à real estrutura latente dos dados em análise, quando comparados ao modelo identificado pelo localizador não ponderado, MG.

【 授权许可】

CC BY   
 All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License