Missing data mechanisms and their implications on the analysis of categorical data

We review some issues related to the implications of different missing data mechanisms on statistical inference for contingency tables and consider simulation studies to compare the results obtained under such models to those where the units with missing data are disregarded. We confirm that although, in general, analyses under the correct missing at random and missing completely at random models are more efficient even for small sample sizes, there are exceptions where they may not improve the results obtained by ignoring the partially classified data. We show that under the missing not at random (MNAR) model, estimates on the boundary of the parameter space as well as lack of identifiability of the parameters of saturated models may be associated with undesirable asymptotic properties of maximum likelihood estimators and likelihood ratio tests; even in standard cases the bias of the estimators may be low only for very large samples. We also show that the probability of a boundary solution obtained under the correct MNAR model may be large even for large samples and that, consequently, we may not always conclude that a MNAR model is misspecified because the estimate is on the boundary of the parameter space.

Influence Diagnostics for a Skew Extension of the Grubbs Measurement Error Model

Influence diagnostics methods are extended in this article to the Grubbs model when the unknown quantity x (latent variable) follows a skew-normal distribution. Diagnostic measures are derived from the case-deletion approach and the local influence approach under several perturbation schemes. The observed information matrix to the postulated model and Delta matrices to the corresponding perturbed models are derived. Results obtained for one real data set are reported, illustrating the usefulness of the proposed methodology.

Genetic Heteroscedasticity for Domestic Animal Traits

Animal traits differ not only in mean, but also in variation around the mean. For instance, one sire’s daughter group may be very homogeneous, while another sire’s daughters are much more heterogeneous in performance. The difference in residual variance can partially be explained by genetic differences. Models for such genetic heterogeneity of environmental variance include genetic effects for the mean and residual variance, and a correlation between the genetic effects for the mean and residual variance to measure how the residual variance might vary with the mean. The aim of this thesis was to develop a method based on double hierarchical generalized linear models for estimating genetic heteroscedasticity, and to apply it on four traits in two domestic animal species; teat count and litter size in pigs, and milk production and somatic cell count in dairy cows. The method developed is fast and has been implemented in software that is widely used in animal breeding, which makes it convenient to use. It is based on an approximation of double hierarchical generalized linear models by normal distributions. When having repeated observations on individuals or genetic groups, the estimates were found to be unbiased. For the traits studied, the estimated heritability values for the mean and the residual variance, and the genetic coefficients of variation, were found in the usual ranges reported. The genetic correlation between mean and residual variance was estimated for the pig traits only, and was found to be favorable for litter size, but unfavorable for teat count.

Previsão em tempo atual de cheias com uso de sistema especialista difuso

Sistemas de previsão de cheias podem ser adequadamente utilizados quando o alcance é suficiente, em comparação com o tempo necessário para ações preventivas ou corretivas. Além disso, são fundamentalmente importantes a confiabilidade e a precisão das previsões. Previsões de níveis de inundação são sempre aproximações, e intervalos de confiança não são sempre aplicáveis, especialmente com graus de incerteza altos, o que produz intervalos de confiança muito grandes. Estes intervalos são problemáticos, em presença de níveis fluviais muito altos ou muito baixos. Neste estudo, previsões de níveis de cheia são efetuadas, tanto na forma numérica tradicional quanto na forma de categorias, para as quais utiliza-se um sistema especialista baseado em regras e inferências difusas. Metodologias e procedimentos computacionais para aprendizado, simulação e consulta são idealizados, e então desenvolvidos sob forma de um aplicativo (SELF – Sistema Especialista com uso de Lógica “Fuzzy”), com objetivo de pesquisa e operação. As comparações, com base nos aspectos de utilização para a previsão, de sistemas especialistas difusos e modelos empíricos lineares, revelam forte analogia, apesar das diferenças teóricas fundamentais existentes. As metodologias são aplicadas para previsão na bacia do rio Camaquã (15543 km2), para alcances entre 10 e 48 horas. Dificuldades práticas à aplicação são identificadas, resultando em soluções as quais constituem-se em avanços do conhecimento e da técnica. Previsões, tanto na forma numérica quanto categorizada são executadas com sucesso, com uso dos novos recursos. As avaliações e comparações das previsões são feitas utilizandose um novo grupo de estatísticas, derivadas das freqüências simultâneas de ocorrência de valores observados e preditos na mesma categoria, durante a simulação. Os efeitos da variação da densidade da rede são analisados, verificando-se que sistemas de previsão pluvio-hidrométrica em tempo atual são possíveis, mesmo com pequeno número de postos de aquisição de dados de chuva, para previsões sob forma de categorias difusas.

Improving mutual fund market timing measures: a markov switching approach

Market timing performance of mutual funds is usually evaluated with linear models with dummy variables which allow for the beta coefficient of CAPM to vary across two regimes: bullish and bearish market excess returns. Managers, however, use their predictions of the state of nature to deÞne whether to carry low or high beta portfolios instead of the observed ones. Our approach here is to take this into account and model market timing as a switching regime in a way similar to Hamilton s Markov-switching GNP model. We then build a measure of market timing success and apply it to simulated and real world data.

Aspectos do mercado eleitoral brasileiro: análise econométrica do impacto dos gastos de campanha nas eleições para a Câmara e o Senado de 2002

Esta dissertação de mestrado em economia foi motivada por uma questão complexa bastante estudada na literatura de economia política nos dias de hoje: as formas como campanhas políticas afetam votação em uma eleição. estudo procura modelar mercado eleitoral brasileiro para deputados federais senadores. Através de um modelo linear, conclui-se que os gastos em campanha eleitoral são fatores decisivos para eleição de um candidato deputado federal. Após reconhecer que variável que mede os gastos em campanha possui erro de medida (devido ao famoso "caixa dois", por exemplo), além de ser endógena uma vez que candidatos com maiores possibilidades de conseguir votos conseguem mais fontes de financiamento -, modelo foi estimado por variáveis instrumentais. Para senadores, utilizando modelos lineares modelos com variável resposta binaria, verifica-se também importância, ainda que em menor escala, da campanha eleitoral, sendo que um fator mais importante para corrida ao senado parece ser uma percepção priori da qualidade do candidato.

Variáveis intrumentais e o MGM: uso de momentos condicionais

O presente texto desenvolve, com fins didáticos, as aplicações do Método Generalizado dos Momentos (MGM) ao procedimento de variáveis instrumentais, em modelos lineares e não-lineares. Faz parte de obra (livro) em elaboração

Risco de abandono de relacionamento

This paper presents a study carried out with customers with credit card of a large retailer to measure the risk of abandonment of a relationship, when this has already purchase history. Two activities are the most important in this study: the theoretical and methodological procedures. The first step was to the understanding of the problem, the importance of theme and the definition of search methods. The study brings a bibliographic survey comprising several authors and shows that the loyalty of customers is the basis that gives sustainability and profitability for organizations of various market segments, examines the satisfaction as the key to success for achievement and specially for the loyalty of customers. To perform this study were adjusted logistic-linear models and through the test Kolmogorov - Smirnov (KS) and the curve Receiver Operating Characteristic (ROC) selected the best model. Had been used cadastral and transactional data of 100,000 customers of credit card issuer, the software used was SPSS which is a modern system of data manipulation, statistical analysis and presentation graphics. In research, we identify the risk of each customer leave the product through a score.

Os efeitos da concentração regional no desempenho das empresas: uma abordagem multinível

O presente trabalho tem por objetivo avaliar o impacto das concentrações regionais no desempenho organizacional das empresas brasileiras com ênfase no setor serviços. Com o intuito de atingir este objetivo realizou-se uma comparação entre o desempenho organizacional das firmas localizadas em áreas de concentração geográficas e aquelas situadas fora destas áreas. Além disso, procurou-se contrastar o efeito da concentração regional sobre o desempenho das empresas de serviços com as empresas do setor industrial. A revisão literária evidenciou a existência de vantagens para empresas concentradas regionalmente, o que levou à principal hipótese deste trabalho, de que tais vantagens ocasionariam melhor desempenho das firmas. Desta forma, buscou-se averiguar a existência de uma relação entre o desempenho organizacional e a localização geográfica das empresas de serviços regionalmente concentradas. O trabalho de identificação das concentrações regionais foi realizado adaptando-se os critérios utilizados no setor industrial para o setor serviços, a partir dos dados de número de estabelecimentos e de funcionários, obtidos através da base dados da Relação Anual de Informações Sociais (RAIS). O desempenho organizacional foi mensurado por dois indicadores: lucratividade e o crescimento de vendas. A fonte de dados de desempenho utilizada foi a base de microdados das seguintes pesquisas do Instituto Brasileiro de Geografia e Estatística (IBGE): Pesquisa Industrial Anual (PIA) e Pesquisa Anual de Serviços (PAS). A amostra utilizada incluiu 78.789 observações de prestadoras de serviços e 22.460 observações de empresas do setor industrial, entre 2001 e 2005. Os resultados foram produzidos por meio da aplicação dos modelos hierárquicos ou modelos multiníveis. Os resultados revelaram um efeito positivo sobre o crescimento das empresas situadas em áreas de concentração regional (tanto do setor serviços quanto da indústria), porém não foram encontradas evidências de maior lucratividade das mesmas. As conclusões deste trabalho contribuem para a tomada de decisão dos gestores, ao avaliar se deverão ou não situar seu empreendimento em uma área de concentração regional. Além de apresentar implicações para as políticas públicas, pois a constatação de um efeito positivo sobre o crescimento das firmas em determinadas concentrações pode direcionar políticas de incentivo, com o objetivo de estimular a formação de tais concentrações em determinadas localidades para desenvolvimento regional.

Falta de qualidade da educação brasileira: qual a magnitude do problema?

In this paper we investigate how several national educational policies and practices influence both students' average reading achievement and the social distributioll of achievement within schools and countries. Data come fJ:om the 2000/2001 administration of PISA (programme for International Student Assessment) by the Organization for Economic Cooperation and Developrnent (OECD). They include observations from 212,880 lS-year-old students attending 8,038 secondary schools, which are located in 39 countries. We analyze these data with three-level Hierarchical Linear Models (HLM), with students nested in schools, which are nested within countries. Results focus on the role played by three country-level educational policies: (1) retention/repetition; (2) the mix of students in schools based on socioeconomic status (school social mix); and vocational education. We explore how these policies influence the social distribution of achievemer.t between schools within countries. Implications of these findings are discussed.

Modelos dinâmicos e simulação estocástica

This paper presents new methodology for making Bayesian inference about dy~ o!s for exponential famiIy observations. The approach is simulation-based _~t> use of ~vlarkov chain Monte Carlo techniques. A yletropolis-Hastings i:U~UnLlllll 1::; combined with the Gibbs sampler in repeated use of an adjusted version of normal dynamic linear models. Different alternative schemes are derived and compared. The approach is fully Bayesian in obtaining posterior samples for state parameters and unknown hyperparameters. Illustrations to real data sets with sparse counts and missing values are presented. Extensions to accommodate for general distributions for observations and disturbances. intervention. non-linear models and rnultivariate time series are outlined.

A relação entre aglomeração produtiva e crescimento: a aplicação de um modelo multinível ao setor industrial paulista

Este estudo identificou a relação da aglomeração de firmas de uma mesma atividade econômica na taxa de crescimento do emprego local. Dados das firmas industriais do Estado de São Paulo constantes da Relação Anual de Informações Sociais [RAIS] nos anos de 1996 a 2005 foram coletados. Foram analisadas 263.020 observações de nível de emprego de 26.231 combinações de município-CNAE e 296 diferentes atividades. Os critérios de Puga (2003) e Suzigan, Furtado, Garcia, Sampaio (2003) foram usados para identificar as aglomerações. Uma análise de curva de crescimento, usando-se um modelo multinível, foi desenvolvida no software Hierarchical Linear Models [HLM]. Os resultados evidenciam que existe uma relação positiva entre aglomeração de firmas de uma mesma atividade econômica e o crescimento de emprego. Considerando as externalidades previstas pelo fato de as empresas estarem localizadas em uma mesma região, pode-se sugerir que, em termos comparativos, firmas de uma mesma atividade econômica, localizadas em aglomeração, podem, perceber crescimento maior que suas concorrentes localizadas fora de um aglomerado. Este resultado é relevante, tanto para a empresa individual, como para o estabelecimento de políticas públicas que apóiam o desenvolvimento regional, no nível do município. As evidências confirmam estudos anteriores de caso, permitindo dar mais robustez à teoria

Endogamia em um rebanho da raça Guzerá

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Old beagle dogs have lower faecal concentrations of some fermentation products and lower peripheral lymphocyte counts than young adult beagles

The effects of age on microbiota composition, gut fermentation end-product formation and peripheral lymphocyte numbers were compared between old and young adult Beagle dogs fed four kibble diets differing in yeast cell wall contents. The experiment had a double 4 x 4 Latin square design, one with four mature dogs (4 years old) and the other with four old dogs (10 years old), with four replicates (diets) per dog. In each period a 15d adaptation period preceded a 5d total collection of faeces for the digestibility trial. on day 21, fresh faecal samples were collected for the determination of bacterial enumeration, pH, biogenic amine and short-chain fatty acid. Flow cytometry was used for immunophenotypic evaluation. Dogs were fed four kibble diets with similar composition with 0, 0.15, 0.30 and 0.45% of yeast cell wall (as-fed), respectively. Data were evaluated using general linear models of Statistical Analysis Systems statistical software (P<0.05). No evidence of a difference in faecal bacteria counts between ages was found (total aerobes, total anaerobes, Bifidobacterium, Lactobacillus, Clostridium and Escherichia coli: P. 0.15). Faecal concentrations of butyrate, histamine, agmatine and spermine were lower (P <= 0.05) and faecal pH was higher (P=0.03) in older dogs than in mature adult dogs, suggesting an alteration in bacterial metabolic activity, or in the rate of intestinal absorption of these compounds. Concentrations of T-lymphocytes, T-cytotoxic lymphocytes and B-lymphocytes were also lower (P <= 0.01) in older dogs than in mature adult dogs. The study confirmed alterations in peripheral lymphocytes and revealed a reduced concentration of some fermentation end products in the colon of old dogs.

A simple and non-destructive model for individual leaf area estimation in citrus

Introduction. Leaf area is often related to plant growth, development, physiology and yield. Many non-destructive models have been proposed for leaf area estimation of several plant genotypes, demonstrating that leaf length, leaf width and leaf area are closely correlated. Thus, the objective of our study was to develop a reliable model for leaf area estimation from linear measurements of leaf dimensions for citrus genotypes. Materials and methods. Leaves of citrus genotypes were harvested, and their dimensions (length, width and area) were measured. Values of leaf area were regressed against length, width, the square of length, the square of width and the product (length x width). The most accurate equations, either linear or second-order polynomial, were regressed again with a new data set; then the most reliable equation was defined. Results and discussion. The first analysis showed that the variables length, width and the square of length gave better results in second-order polynomial equations, while the linear equations were more suitable and accurate when the width and the product (length x width) were used. When these equations were regressed with the new data set, the coefficient of determination (R(2)) and the agreement index 'd' were higher for the one that used the variable product (length x width), while the Mean Absolute Percentage Error was lower. Conclusion. The product of the simple leaf dimensions (length x width) can provide a reliable and simple non-destructive model for leaf area estimation across citrus genotypes.