Índices de qualidade de ajuste de modelos de equações estruturais considerando repetições e tratamentos com aplicação em análise sensorial de cafés
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 síntes...
| Autor: | |
|---|---|
| Formato: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2022 |
| País: | Brasil |
| Recursos: | Universidade Federal de Lavras (UFLA) |
| Repositorio: | Repositório Institucional da UFLA |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.ufla.br:1/55227 |
| Acesso em linha: | https://repositorio.ufla.br/handle/1/55227 |
| Access Level: | acceso abierto |
| Palavra-chave: | Estatística 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 |
| Resumo: | 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. |
|---|