Determinação de um horizonte preditivo para estimativas de índices de qualidade de ajustamento em modelos de equações estruturais com amostras de tamanho reduzido

Clodoaldo José Figueredo, Jair Mendes Marques

Resumo


Um dos pressupostos para uso de modelos de equações estruturais (MEE) é um número  suficientemente grande de observações para obtenção das estimativas dos parâmetros, que possibilitem aferir a qualidade do modelo e as relações entre as variáveis. Essa pesquisa busca desenvolver  uma técnica para determinação da qualidade de ajustamento de um modelo aos dados, atravéz do  cálculo preditivo de índices de qualidade, obtidos por modelos de regressão não linear, ajustados  sobre parâmetros obtidos com o número reduzido de observações. Para alcançar os objetivos propostos, primeiramente foi estipulado um número mínimo de observações, usando para isso, a taxa  de convergência do algoritmo iterativo que minimiza a variação dos parâmetros. A estabilidade dos  parâmetros em relação ao número de observações, possibilitou a aplicação da técnica de regressão  não linear sobre as médias das estimativas dos índices de qualidade. Foram preditos os valores dos  índices de qualidade de ajustamento para valores maiores de observações e, os limites dos intervalos  de predição, calculados pelo método Delta, indicaram baixa variância nos resultados obtidos sobre  amostras maiores. Os resultados mostraram que a aplicação de regressão não linear sobre as estimativas e, a extrapolação do modelo para um número de observações maiores, determina um horizonte  preditivo com bom grau de confiabilidade e mínimo erro, possibilitando determinar o ajustamento  do modelo de equações estruturais ao dados, mesmo sendo esses de número reduzido.  


Palavras-chave


Modelos de Equações Estruturais; Regressão Não Linear; índices de Qualidade de Ajustamento

Texto completo:

PDF

Referências


Bentler, P. M. The interdependence of theory, methodology, and empirical data: Causal mo­deling as an approach to construct validation, In Kandel D. B. (Ed.), Longitudinal research on drug abuse: Empirical findings and methodological issues Wiley: New York, 1978.

Biase, A. G., Ferreira, D. F. Teste Computacional Intensivo Baseado na Distância de Mahalanobis para Normalidade Multivariada, Rev. Bras. de Biometria, São Paulo, v. 30, n.l, 2012.

Chou, C.-P., Bentler, P. M. Estimates and tests in structural equation modeling, in Hoyle R. H. (Ed.) Structural equation modeling: Concepts, issues, and applications, Sage Publications: Thousand Oaks, 1995. pages 37-55. ISBN: 0-8039-5317-8

Hair Jr, J. F.,Black, W. C.,Babin, B. J.,Anderson, R. E., Tatham, R. L. Análise Multivariada de Dados, 6a edição Bookman: Porto Alegre, 2009. ISBN 978-85-7780-402-3

Marôco, J. Análise de Equações Estruturais: Fundamentos Teóricos, Software e Aplicações, 2a edição Report Number: Lisboa, 2014. ISBN 978-989-96763-3-6

Prado, P. H. M. A Avaliação do Relacionamento sob A Ótica do Cliente: Um estudo em Bancos de Varejo 497 f. Tese EAESP - FGV, São Paulo, 2004

Tanguma J. Effects of Sample Size on the Power of Selected Fit índices: A Graphical Approach, Annual Meeting of the Soutwest Educational Research Association, New Orleans, 2001.

Xu, J., Long, J. S. Using the Delta Method to Construct Confidence Intervals for Predicted Probabilities, Rates, and Discrete Changes”, 2005. Disponível em http://indiana.edu/~j slsoc/stata/ci_computations/spost_deltaci .pdf, acesso em 20 Jan. 2019.

Westland, J. C. Lower Bounds on Sample Size in Structural Equation Modeling, Electronic Commerce Research and Applications, v.9, n.6, pages 476-487, 2010. DOI: 10.1016/j.elerap.2010.07.003

Zeviani, P. J., Ribeiro, P. J., Bonat W. H. Modelos de Regressão não Linear, Laboratório de Estatística e Geoinformação, Departamento de Estatística, UFPR, 2013. Disponível em http://leg.ufpr.br/~walmes/cursoR/mrnl2013/master.pdf, acesso em 10 Jul. 2019.




DOI: https://doi.org/10.5540/03.2021.008.01.0397

Apontamentos

  • Não há apontamentos.


SBMAC - Sociedade de Matemática Aplicada e Computacional
Edifício Medical Center - Rua Maestro João Seppe, nº. 900, 16º. andar - Sala 163 | São Carlos/SP - CEP: 13561-120
 


Normas para publicação | Contato