Estimação robusta em modelos lineares de equações simultâneas

Os Modelos de Equações Simultâneas (SEM) são modelos estatísticos com muita tradição em estudos de Econometria, uma vez que permitem representar e estudar uma vasta gama de processos económicos. Os estimadores mais usados em SEM resultam da aplicação do Método dos Mínimos Quadrados ou do Método da Máxima Verosimilhança, os quais não são robustos. Em Maronna e Yohai (1997), os autores propõem formas de “robustificar” esses estimadores. Um outro método de estimação com interesse nestes modelos é o Método dos Momentos Generalizado (GMM), o qual também conduz a estimadores não robustos. Estimadores que sofrem de falta de robustez são muito inconvenientes uma vez que podem conduzir a resultados enganadores quando são violadas as hipóteses subjacentes ao modelo assumido. Os estimadores robustos são de grande valor, em particular quando os modelos em estudo são complexos, como é o caso dos SEM. O principal objectivo desta investigação foi o de procurar tais estimadores tendo-se construído um estimador robusto a que se deu o nome de GMMOGK. Trata-se de uma versão robusta do estimador GMM. Para avaliar o desempenho do novo estimador foi feito um adequado estudo de simulação e foi também feita a aplicação do estimador a um conjunto de dados reais. O estimador robusto tem um bom desempenho nos modelos heterocedásticos considerados e, nessas condições, comporta-se melhor do que os estimadores não robustos usados no estudo. Contudo, quando a análise é feita em cada equação separadamente, a especificidade de cada equação individual e a estrutura de dependência do sistema são dois aspectos que influenciam o desempenho do estimador, tal como acontece com os estimadores usuais. Para enquadrar a investigação, o texto inclui uma revisão de aspectos essenciais dos SEM, o seu papel em Econometria, os principais métodos de estimação, com particular ênfase no GMM, e uma curta introdução à estimação robusta.

Análise da decomposição do desempenho de empresas brasileiras utilizando modelos lineares mistos e de componentes de variância

A determinação e a mensuração da importância das principais fontes de vantagem competitiva, ainda é um tema em discussão na área de Estratégia. Uma linha de pesquisa, iniciada em meados dos anos 80, tem seu foco principal na determinação e quantificação da importância dos fatores que poderiam explicar as diferenças no desempenho de um grupo de empresas, utilizando a decomposição da variância dos valores do desempenho através das técnicas de Regressão Linear ou de Componentes de Variância. Nesta linha de pesquisa, desenvolveram-se uma série de trabalhos empíricos cujo propósito principal é quantificar, entre outros fatores, qual a importância do setor industrial em que a empresa atua, qual a importância do ano, qual a importância de se fazer parte de um grupo econômico e qual a importância dos fatores idiossincráticos da empresa na explicação do desempenho apresentado em determinados períodos. Dos resultados destes trabalhos surgiram discussões importantes sobre o papel da estratégia corporativa e sobre a importância relativa de tais fatores na determinação da vantagem competitiva. Este trabalho se insere nesta linha de pesquisa, cujo objetivo é, utilizando uma base de dados brasileira muito mais abrangente e completa que os estudos anteriores, quer nacionais e internacionais, primeiramente verificar se a realidade apontada nos estudos internacionais se assemelha à do Brasil. Em segundo lugar, contribuir com um refinamento teórico, refazendo estas análises utilizando modelos lineares mistos, mais apropriados para estes conjuntos de dados, que os modelos de componentes de variância. Em terceiro lugar, utilizando dois tipos de matriz de covariância, verifica se o desempenho de um determinado ano influi no desempenho dos anos imediatamente subseqüentes, verificando, assim, a possível existência de medidas repetidas para a variável ano. Finalmente, analisa se parte da variabilidade do desempenho das empresas brasileiras pode ser atribuído ao fato da empresa se localizar em determinada Unidade da Federação

Estudo de simulação de modelos lineares mistos com distribuição normal contaminada no melhoramento genético animal

Objetivou-se com esse trabalho comparar estimativas de componentes de variâncias obtidas por meio de modelos lineares mistos Gaussianos e Robustos, via Amostrador de Gibbs, em dados simulados. Foram simulados 50 arquivos de dados com 1.000 animais cada um, distribuídos em cinco gerações, em dois níveis de efeito fixo e três valores fenotípicos distintos para uma característica hipotética, com diferentes níveis de contaminação. Exceto para os dados sem contaminação, quando os modelos foram iguais, o modelo Robusto apresentou melhores estimativas da variância residual. As estimativas de herdabilidade foram semelhantes em todos os modelos, mas as análises de regressão mostraram que os valores genéticos preditos com uso do modelo Robusto foram mais próximos dos valores genéticos verdadeiros. Esses resultados sugerem que o modelo linear normal contaminado oferece uma alternativa flexível para estimação robusta em melhoramento genético animal.

Influência das cargas selecionadas na determinação da potência crítica determinada no ergômetro de braço em dois modelos lineares

O objetivo deste estudo foi verificar o efeito da seleção das cargas e do modelo utilizado para a determinação da PC no ergômetro de braço. Participaram do estudo oito voluntários do sexo masculino, que praticavam atividade física regularmente e eram aparentemente saudáveis. Os sujeitos realizaram quatro testes com cargas constantes mantidas até a exaustão voluntária no ergômetro de braço UBE 2462-Cybex. As cargas foram individualmente selecionadas para induzir a fadiga entre 1 e 15 minutos. Para cada sujeito, a determinação da PC foi realizada através de dois modelos lineares: potência-1/tempo e trabalho-tempo. em cada um dos modelos, foram utilizadas todas as potências (1), as três maiores (2) e as três menores (3). As PC encontradas no modelo potência-1/tempo e trabalho-tempo para a condição 3 (177,5 + 29,5; 173,9 + 33,3, respectivamente) foram significantemente menores do que as da condição 2 (190,5 + 23,2; 183,4 + 22,3, respectivamente), não existindo diferenças destas com as da condição 1 (184,2 + 25,4; 176,4 + 28,8, respectivamente). As PC determinadas no modelo potência-1/tempo para as condições 1 e 2 foram significantemente maiores do que as determinadas no modelo trabalho-tempo, não existindo diferenças para a condição 3. Pode-se concluir que as cargas selecionadas e o modelo utilizado interferem na determinação da PC encontrada no ergômetro de braço, podendo interferir no tempo de exaustão durante o exercício submáximo realizado em cargas relativas a este índice.

Modelos lineares generalizados mistos na avaliação genética da prenhez precoce na raça Nelore

This study aimed to use the generalized linear models with probit and logit link function to evaluate early pregnancy, and to observe the effects on genetic variability and on sire selection when different ages are adopted in the definition of this trait. Early pregnancy was studied at 15 (EP15), and 21 (EP21) months. The analysis was done in R software. Pearson correlations (PC), between genetic predicted values and percentage of bulls in common considering only 10% of bulls with higher genetic values (TOP 10), between classification by logit and probit models and in each model among EP15 and EP21, were calculated. The heritability for EP15 and EP21 were close between models, except for EP15 using probit link function. PC and TOP10 among models were high. The Akaike and Bayesian criteria reported was similar between models. TOP10, considering the same model, among EP15-EP21 were moderated between EP15-EP21.

Aplicação de modelos lineares para análise de expressão gênica em experimentos de microarrays

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Modelos lineares de sistemas elétricos de potência: um estudo comparativo

Pós-graduação em Engenharia Elétrica - FEIS

Uso de modelos lineares mistos na avaliação genética de escores visuais: estudo de simulação

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Modelos lineares generalizados mistos e equações de estimação generalizadas para dados binário aplicados em anestesiologia veterinária

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Modelos lineares generalizados bayesianos para dados longitudinais

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Adaptabilidade e estabilidade de híbridos de milho para região subtropical via modelos mistos.

O Ensaio Elite Sul vem sendo conduzido desde a década de 90 em vários locais representativos da região subtropical. O objetivo desse trabalho foi avaliar o desempenho, a adaptabilidade e a estabilidade de híbridos de milho avaliados no ensaio Elite Sul pela metodologia de modelos mistos. Os ensaios foram em 15 ambientes com número variável de tratamentos. Todos em delineamento látice, com duas linhas de cinco metros, espaçamento entre linhas de 0,80m e duas repetições. Para as análises de adaptabilidade e estabilidade, foram utilizados os dados de rendimento de grão, corrigidos para 13% de umidade, e aplicada a metodologia de Modelos Lineares Mistos seguindo o modelo 52 do software SELEGEN-REML/BLUP. Considerando-se os valores genotípicos e capitalizando-se a interação média entre genótipos e ambiente (u+g+ge) os híbridos Maximus, 1I1002, 1I998, 2F633 5 e 1G748 5 foram os melhores. Houve completa concordância na seleção dos cinco híbridos de melhor desempenho, entre os valores genotípicos e MHPRVG (medida concomitante de produtividade, adaptabilidade e estabilidade).

Dois modelos espacializados do potencial financeiro para produtos de supermercados em municípios do Estado de São Paulo

Neste trabalho, o potencial para produtos de supermercados em municípios do Estado de São Paulo é modelado por meio da aplicação de modelos lineares hierárquicos em dois níveis (município e microrregião) e em três níveis (município, micro e mesorregião). Os modelos lineares hierárquicos acomodam bem as relações espaciais de vizinhança e hierarquia que estruturam o mercado, produzindo resíduos normais, homocedásticos e não autocorrelacionados espacialmente (enquanto os modelos de regressão linear convencionais não permitem incorporar os conceitos de estrutura geográfica e têm seus pressupostos de homocedasticidade e independência violados). A metragem de loja e a densidade populacional são propostas como variáveis proxi para, respectivamente, a demanda de mercado e a hierarquia de uma localidade.

Descobrindo modelos de previsão para a inflação brasileira : uma análise a partir do algoritmo autometrics

O presente trabalho tem como objetivo avaliar a capacidade preditiva de modelos econométricos de séries de tempo baseados em indicadores macroeconômicos na previsão da inflação brasileira (IPCA). Os modelos serão ajustados utilizando dados dentro da amostra e suas projeções ex-post serão acumuladas de um a doze meses à frente. As previsões serão comparadas a de modelos univariados como autoregressivo de primeira ordem - AR(1) - que nesse estudo será o benchmark escolhido. O período da amostra vai de janeiro de 2000 até agosto de 2015 para ajuste dos modelos e posterior avaliação. Ao todo foram avaliadas 1170 diferentes variáveis econômicas a cada período a ser projetado, procurando o melhor conjunto preditores para cada ponto no tempo. Utilizou-se o algoritmo Autometrics para a seleção de modelos. A comparação dos modelos foi feita através do Model Confidence Set desenvolvido por Hansen, Lunde e Nason (2010). Os resultados obtidos nesse ensaio apontam evidências de ganhos de desempenho dos modelos multivariados para períodos posteriores a 1 passo à frente.

Identificação fuzzy-multimodelos para sistemas não lineares

This paper presents a new multi-model technique of dentification in ANFIS for nonlinear systems. In this technique, the structure used is of the fuzzy Takagi-Sugeno of which the consequences are local linear models that represent the system of different points of operation and the precursors are membership functions whose adjustments are realized by the learning phase of the neuro-fuzzy ANFIS technique. The models that represent the system at different points of the operation can be found with linearization techniques like, for example, the Least Squares method that is robust against sounds and of simple application. The fuzzy system is responsible for informing the proportion of each model that should be utilized, using the membership functions. The membership functions can be adjusted by ANFIS with the use of neural network algorithms, like the back propagation error type, in such a way that the models found for each area are correctly interpolated and define an action of each model for possible entries into the system. In multi-models, the definition of action of models is known as metrics and, since this paper is based on ANFIS, it shall be denominated in ANFIS metrics. This way, ANFIS metrics is utilized to interpolate various models, composing a system to be identified. Differing from the traditional ANFIS, the created technique necessarily represents the system in various well defined regions by unaltered models whose pondered activation as per the membership functions. The selection of regions for the application of the Least Squares method is realized manually from the graphic analysis of the system behavior or from the physical characteristics of the plant. This selection serves as a base to initiate the linear model defining technique and generating the initial configuration of the membership functions. The experiments are conducted in a teaching tank, with multiple sections, designed and created to show the characteristics of the technique. The results from this tank illustrate the performance reached by the technique in task of identifying, utilizing configurations of ANFIS, comparing the developed technique with various models of simple metrics and comparing with the NNARX technique, also adapted to identification

Procedimento MIXED do SAS® para análise de modelos mistos

O modelo misto consiste numa importante classe de modelos que tem sido tradicionalmente analisada por meio de procedimentos da análise de variância. Nos modelos mistos, três aspectos são fundamentais: estimação e testes de hipóteses dos efeitos fixos, predição dos efeitos aleatórios e estimação dos componentes de variância. Na análise de modelos lineares mistos desbalanceados, a estimação dos componentes de variância é de fundamental importância e depende da estrutura de covariâncias e dos métodos de estimação utilizados. Nesse contexto, este artigo pretende apresentar os principais métodos de estimação e de análise utilizados no estudo de modelos lineares mistos com estruturas gerais de covariâncias nos efeitos aleatórios, disponíveis no procedimento MIXED, do SAS (Statistical Analysis System).