Introdução. As hipóteses levantadas sobre as relações entre as variáveis de exposição e o óbito fetal, via diversos mecanismos, são desenhadas em um diagrama a partir de um quadro conceitual feito pelo pesquisador. Testes sobre essas relações podem ser feitos por meio da modelagem por equações estruturais (MEE). Objetivo. Este estudo objetiva compreender o papel da situação socioeconômica (SSE), da não-aceitação da gravidez (nAdG) e assistência pré-natal na mortalidade fetal, na região sul do município de São Paulo, em 2000. Métodos. Foram construídas variáveis latentes para representar a situação socioeconômica e a não-aceitação da gravidez, a partir de dados da pesquisa do tipo caso-controle sobre mortalidade fetal no município de São Paulo, feita em 2000. Foi testado um modelo para o desfecho óbito fetal com as variáveis latentes, a assistência pré-natal, intercorrências (hipertensão, diabetes gestacional, sangramento vaginal) e retardo de crescimento intra-uterino (RCIU) por meio do MEE. A SSE foi formada por escolaridades da mãe e do chefe da família, classificação socioeconômica e renda per capita; a nAdG foi formada a partir das reações da mãe, pai e família, tentativa de aborto e se a gravidez foi planejada. Resultados. O modelo final apontou a relação entre a situação socioeconômica e não-aceitação da gravidez sobre a mortalidade fetal, passando pelo cuidado de pré-natal inadequado, modelo no qual intercorrências e RCIU também tem efeito sobre o desfecho. Conclusões. Os resultados sugerem que aceitação negativa da gravidez e o efeito da situação socioeconômica desfavorável, mediados pela atenção de pré-natal, podem ser amenizadas com uma maior qualidade nas visitas de pré-natal, especialmente em mães de maior vulnerabilidade social. / Introduction. The hypothesis about the relations among exposure variables and the fetal death are written as a diagram designed from a conceptual framework given by the researcher. Tests on these relations can be performed using structural equation modeling (SEM). Objective. This study aim to understand the role of socioeconomic situation (SES), non-acceptance of pregnancy (nAoP) and prenatal care on fetal mortality, in region south of the city of São Paulo, in 2000. Methodology. The measurement models were created to the latent variables SES and nAoP, from case-control study on fetal mortality in Sao Paulo city, in 2000. It was tested a model with SES, nAoP, prenatal care, medical complications (hypertension, gestational diabetes, vaginal bleeding), intra-uterine growth retardation (IUGR) on the outcome, performed by SEM. Results. The SES was composed by mothers and household heads years of study, socioeconomic classification index, and income per capita income; The AoP was composed by reactions of mother, father and family, attempted abortion and planned gestation. The final model showed the effect of SES and AoP on fetal death mediated by prenatal care, in a model where medical complications and IUGR also has an effect. Conclusion. The results suggests that negative acceptance of pregnancy and unfavorable socioeconomic situation, mediated by prenatal care, could be minimized improving the quality of prenatal care especially to those who are more social vulnerable.

Orientador: Fernando Roberto Martins / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Biologia / Made available in DSpace on 2018-08-23T02:32:50Z (GMT). No. of bitstreams: 1 VanMelis_Juliano_D.pdf: 2552550 bytes, checksum: 8227a941fa221a10cce8b272ae92449f (MD5) Previous issue date: 2013 / Resumo: Apesar da importância que as trepadeiras apresentam em florestas tropicais, estudos sobre a montagem da comunidade de lianas (trepadeiras lenhosas e sublenhosas) que investiguem desde a contribuição dos fatores abióticos e bióticos até fatores intrínsecos (coexistência entre indivíduos) são escassos. O objetivo geral desta tese é pesquisar a estruturação da comunidade das espécies de lianas em uma Floresta Estacional Semidecídua (FES), investigando (1) a importância relativa dos fatores ambientais e espaciais para diferentes espécies de lianas, (2) a estruturação filogenética da comunidade de trepadeiras em diferentes ambientes, e (3) os efeitos diretos ou mediados das árvores e arbustos para o número de espécies e indivíduos de trepadeiras. Mostramos que (1) grande parte da variação na composição de espécies de lianas em uma FES é devido a fatores não investigados (fatores estocásticos) e o espaço (autocorrelação espacial). Portanto, concluímos que os maiores determinantes na variação da composição de espécies de lianas em uma FES é a aleatoriedade (sendo reflexo da variação estocástica das populações) e a limitação por dispersão (demonstrada pela alta autocorrelação espacial). No segundo capítulo (2), encontramos que uma maioria discreta das parcelas apresentou maior aproximação filogenética do que o esperado ao acaso na comunidade de trepadeiras amostrada. Houve pouca influência de variáveis relacionadas à dinâmica florestal na variação da aproximação filogenética, sendo que áreas com árvores mais altas e maior proporção de árvores do presente apresentavam maior aproximação filogenética que outras áreas. Concluímos que em áreas de dossel mais baixo e menor proporção de árvores do presente (clareiras) não apresentam menor sinal filogenético, pois todas as espécies de lianas apresentariam potencial de existirem nestas áreas, enquanto que nas áreas de floresta madura haveria a existência de filtros ambientais para a existência de poucos ramos filogenéticos. Por último (3), encontramos que os atributos da comunidade de árvores e arbustos são fatores importantes na variação dos atributos da comunidade de lianas, sendo parte dele decorrente do distúrbio no dossel. Mas o distúrbio no dossel como fator direto é mais importante na variação da abundância e número de espécies de lianas em uma Floresta Estacional Semidecídua / Abstract: Despite the fact that climbing plants present in tropical forests, studies which investigate the contribution of abiotic and biotic factors or intrinsic factors (coexistence between individuals) on community assembly of lianas (woody and sub-woody climbers) are scarce. The overall objective of this thesis is to research the community structure of liana species in a Seasonal Semideciduous Forest (SSF), investigating (1) the relative importance of environmental and spatial factors on community assembly of lianas, (2) the phylogenetic structure of climbing plants community along the forest development (treefall gaps to old-growth forest), and (3) the direct or indirect effects of trees and shrubs for the number of species and individuals of climbing plants. We show that (1) much of the variation in species composition of lianas in a SSF is due to stochastic factors and space. Therefore, we conclude that the major determinants of variation in lianas' species composition in a TSF are stochastic variance of populations, shown by the unexplained factors, and dispersion limitation, shown by spatial autocorrelation. In the second chapter (2), we found that a slight majority of the sample plots showed cluster phylogenetic structure in the climbing plants community. There was a slight influence of variables related to forest dynamics in the variation of the phylogenetic structure, and areas with tall trees and higher proportion of present trees had higher values of clustering in phylogenetic structure than other areas. We conclude that in areas of lower canopy and smaller proportion of present trees (treefall gaps) showed few phylogenetic branches, since all species of climbing plants would be existing in these areas, while areas of old-growth forest would demonstrate environmental filters for the climbing plants. Finally, we also found (3) that the community of trees and shrubs' attributes (abundance and species richness) are important factors in the variation of attributes liana community (species richness and abundance), being part of it due to the canopy disturbance. But canopy disturbance was the more important direct factor in variance of abundance and species richness of lianas in a Seasonal Semideciduous Forest / Doutorado / Doutor em Biologia Vegetal

Submitted by Diego Designe (diego.designe@gmail.com) on 2012-10-26T23:40:30Z No. of bitstreams: 1 ANTECEDENTES AO SUCESSO NA OPERAÇÃO DE PMOS UM MODELO ESTRUTURAL - PublicaçãoV1.pdf: 4161368 bytes, checksum: daf1eb19a326376f1c3bb0afc764bf33 (MD5) / Approved for entry into archive by Janete de Oliveira Feitosa (janete.feitosa@fgv.br) on 2012-11-07T18:05:48Z (GMT) No. of bitstreams: 1 ANTECEDENTES AO SUCESSO NA OPERAÇÃO DE PMOS UM MODELO ESTRUTURAL - PublicaçãoV1.pdf: 4161368 bytes, checksum: daf1eb19a326376f1c3bb0afc764bf33 (MD5) / Approved for entry into archive by Marcia Bacha (marcia.bacha@fgv.br) on 2012-11-08T17:44:47Z (GMT) No. of bitstreams: 1 ANTECEDENTES AO SUCESSO NA OPERAÇÃO DE PMOS UM MODELO ESTRUTURAL - PublicaçãoV1.pdf: 4161368 bytes, checksum: daf1eb19a326376f1c3bb0afc764bf33 (MD5) / Made available in DSpace on 2012-11-08T17:45:10Z (GMT). No. of bitstreams: 1 ANTECEDENTES AO SUCESSO NA OPERAÇÃO DE PMOS UM MODELO ESTRUTURAL - PublicaçãoV1.pdf: 4161368 bytes, checksum: daf1eb19a326376f1c3bb0afc764bf33 (MD5) Previous issue date: 2012-08-29 / This explanatory-exploratory study aims to determine the key success factors for the operation of PMOs in organizations. As a way to reach this target, firstly, it was developed an adequate literature to: (a) conceptualize Project Management; (b) identify the different ways of PMO action; (c) identify the key success factor for PMOs operation; (d) identify the group of factors that impacts the success of PMOs; (e) develop a meta-model including the factors that impact and define the operation success of PMOs; (f) develop a survey as a tool for collecting data and (g) develop adequate methodology to the structural equation use. The survey application (collecting data tool) resulted on 553 valid answers, being filled for project management specialists. In total, 489 of them were Brazilians, and 64 of them were foreigners project managers from several countries in the world. After collecting the data, the study applied exploratory factorial analysis (EFA), confirmatory factorial analysis (CFA) and structural equation modeling (SEM) to test the proposed theoretical model. The theoretical model initially developed was not supported, notwithstanding had been obtained some adjustments necessary, as well as supported by adequate theoretical justification. Even setting the model, the final result says that it explains nearly 7% of the therefrom model proposed for the success of PMOs operation. / O objetivo deste estudo explano-exploratório é determinar os fatores chave de sucesso para a operação de PMOs (Project Management Office) nas organizações. Como meio de alcançar o objetivo traçado, realizou-se o levantamento bibliográfico para: (a) conceituar gerenciamento de projetos e PMOs; (b) identificar as diferentes formas de atuação de PMO; (c) identificar os fatores chave de sucesso na operação de PMOs; (d) identificar os fatores que influenciam o sucesso na operação de PMOs; (e) elaborar um meta-modelo contendo os fatores que influenciam e definem o sucesso na operação de PMOs; (f) desenvolver questionário estruturado como instrumento de coleta de dados e (g) levantar metodologia aplicável para o uso de equações estruturais. Durante o período de aplicação do instrumento de coleta de dados, foram obtidas 553 respostas válidas, preenchidas por especialistas em gerenciamento de projetos, sendo 489 do Brasil e 64 de diversos países no mundo. A partir dos dados obtidos, a pesquisa valeu-se das técnicas de Análise Fatorial Exploratória (AFE), Análise Fatorial Confirmatória (AFC) e Modelagem de Equações Estruturais (SEM) para confirmar o meta-modelo teórico proposto. Verificou-se que o meta-modelo inicial não foi confirmado sendo, portanto, necessário a realização de ajustes, os quais foram implementados com justificativas teóricas adequadas. Ainda assim, o meta-modelo final, obtido após as alterações realizadas, explica cerca de 7% da variância dos fatores de sucesso na operação de PMOs.

Submitted by Paulo Sergio Valladares (valladares@globo.com) on 2012-11-10T08:22:59Z No. of bitstreams: 1 Tese Paulo Valladares rev final.pdf: 2201610 bytes, checksum: a5307c2a5a61a2ea59219128fc7973fd (MD5) / Approved for entry into archive by Suzinei Teles Garcia Garcia (suzinei.garcia@fgv.br) on 2012-11-12T13:15:06Z (GMT) No. of bitstreams: 1 Tese Paulo Valladares rev final.pdf: 2201610 bytes, checksum: a5307c2a5a61a2ea59219128fc7973fd (MD5) / Made available in DSpace on 2012-11-12T13:20:46Z (GMT). No. of bitstreams: 1 Tese Paulo Valladares rev final.pdf: 2201610 bytes, checksum: a5307c2a5a61a2ea59219128fc7973fd (MD5) Previous issue date: 2012-10-30 / This works aims to present an integrated analysis of the determinants of innovation capacity. To date, there are no empirical studies that present a comprehensive model on a large-scale database showing the main routes to develop an innovation capability. Based on a comprehensive and systematic literature review, a theoretical model was built by integrating the main factors suggested in theoretical and reviewed articles. A range of reliable measurements were developed and the model empirically tested on a sample of 243 Brazilian firms from various industries. The methods used include confirmatory factor analysis, structural equations modeling and multigroup analysis of structural invariance. The results showed the direct effect of customer and market knowledge as well as the strategic management of technology on innovation performance. Both factors are affected by the strategic intent to innovate and by the transformation leadership through people management to innovate. The organizational structure organicity and project management have a positive moderating effect on the relationship between the strategic management of technology and innovation performance, however they produced unexpected and complex results regarding the relationship between the customer and market knowledge and innovation performance, which are explained post-hoc. This study’s value is in the presentation of a reliable measurement scale and a theoretical empirically validated model that integrates multiple study lines and explains how leadership action can structure and leverage the managerial resources to generate and maintain the organization's ability to innovate. The model forms a road-map to help managers develop strategies and practices to leverage innovation performance. / Este trabalho tem por objetivo revelar o inter-relacionamento envolvendo os principais determinantes da capacidade de inovação. Até hoje inexistem estudos empíricos que apresentam um modelo abrangente sobre uma base de dados em larga escala mostrando as principais rotas para o desenvolvimento da capacidade de inovação. A partir de uma revisão abrangente e sistemática da literatura, construiu-se um modelo teórico integrando os principais fatores sugeridos em artigos teóricos e de revisão. Desenvolveu-se uma escala de medição confiável e testou-se o modelo empiricamente em uma amostra de 243 firmas brasileiras de vários ramos empresariais. Os métodos utilizados incluem a análise fatorial confirmatória, equações estruturais e a análise multigrupo da invariância estrutural. Os resultados evidenciaram o efeito direto do conhecimento do cliente e do mercado, assim como da gestão estratégica da tecnologia sobre o desempenho em inovação. Ambos os fatores são afetados pela intenção estratégica de inovar e pela liderança transformadora, por meio da gestão de pessoas para inovação. A organicidade da estrutura organizacional e a gestão de projetos têm efeito moderador positivo sobre a relação entre a gestão estratégica da tecnologia e o desempenho em inovação. Esse efeito moderador, entretanto, não se revelou na relação entre o conhecimento do cliente e do mercado e o desempenho em inovação, o que foi explicado post-hoc. O valor deste estudo está na apresentação de uma escala de medição confiável e de um modelo teórico validado empiricamente que integra várias correntes de estudo e explicita como a ação da liderança pode estruturar e alavancar os recursos gerenciais para gerar e manter a capacidade da organização de inovar. Tal modelo se constitui em um road-map que pode ajudar os gerentes a desenvolver estratégias e práticas capazes de alavancar o desempenho em inovação.

A confiabilidade do tempo de viagem é atualmente considerada como um fator de elevada importância nos estudos de demanda por transportes, com base no reconhecimento que sistemas congestionados são uma realidade inevitável nos grandes centros urbanos, gerando incertezas nas estimativas do tempo de viagem e tornando sua representação através de uma variável de tempo médio excessivamente simplista. O acesso terrestre aos aeroportos em São Paulo constitui um contexto interessante para o estudo da confiabilidade, considerando os altos custos atribuídos à eventual perda do voo e o ambiente de alta variabilidade de tempos de viagem na região. O estudo da confiabilidade do tempo de viagem tem sido em geral desenvolvido com um enfoque exclusivamente quantitativo, usando modelos matemáticos que se baseiam em teorias de maximização da utilidade estimados a partir de dados de preferência declarada. Em geral, são ignorados: (i) os efeitos de fatores latentes no comportamento, (ii) o fato de que o comportamento nem sempre reflete as intenções, (iii) a complexidade dos fatores envolvidos nas escolhas e (iv) os fatores que descrevem o contexto em que ocorre a decisão. O trabalho utiliza métodos mistos para a coleta e análise dos dados, procurando obter um conjunto abrangente de informações sobre o comportamento. Tanto a coleta de dados como os modelos estimados baseiam-se nos fundamentos da Teoria do Comportamento Planejado, que afirma que o comportamento revelado pode ser estimado a partir de uma intenção que, por sua vez, pode ser estimada a partir de atitudes, normas subjetivas e controle percebido. O controle percebido representa a percepção individual quanto à facilidade em desempenhar um comportamento. Neste estudo, a confiabilidade do tempo de viagem é incluída como um fator de controle percebido, assim como outros indicadores de controle não comumente considerados. A análise é conduzida usando-se uma técnica de Modelos de Equações Estruturais denominada Mínimos Quadrados Parciais. O uso desta técnica permitiu uma descrição abrangente dos mecanismos envolvidos no processo de escolha de acesso terrestre ao aeroporto e confirmou a importância dos fatores latentes na escolha, particularmente os relacionados ao controle percebido e real. Foi possível também verificar que conjuntos distintos de fatores influenciam a formação da intenção (e portanto a preferência declarada) e o comportamento propriamente dito (e portanto o comportamento revelado). / Travel time reliability is now considered a major factor in explaining travel demand since its underlying cause congestion seems to be an unavoidable reality in large urban centers. This brings uncertainty to travel time estimates, rendering its representation through travel time averages excessively simplistic. Ground access to airports serving the city of São Paulo makes an interesting context to study reliability, given the considerable annoyance and cost associated with the possibility of missing a flight and the high variability of travel times prevailing in the area. Studies of the reliability of travel time have generally been based on a purely quantitative approach, using utility-based mathematical models, mostly estimated with stated preference data. They usually ignore: (i) the effects of latent factors on behavior, (ii) the fact that behavior does not always reflect intentions, (iii) the complexity of factors involved in choice processes and (iv) the factors describing the choice context. This study uses mixed methods for data collection and analysis, aiming to gather a comprehensive set of information about behavior. Both data collection and modeling are based on the Theory of Planned Behavior, which states that behavior can be predicted from intention; intention, by its turn, can be predicted from attitudes, subjective norms and perceived behavioral control. The latter refers to peoples perception of the ease or difficulty of performing the behavior of interest. In this study, we include travel time reliability as a perceived behavioral control factor, in addition to other indicators of control that are not commonly considered. Analysis is conducted using Partial Least Squares, a technique from the family of Structural Equations Models. The use of this technique allowed for a more complete description of the mechanisms involved in the choice process of ground access to airports and confirmed the importance of latent factors on choice, particularly those related to perceived and actual control. The results also indicate that different sets of factors affect the formation of intention (and thus the stated choice) and the behavior itself (and thus actual behavior).

A confiabilidade do tempo de viagem é atualmente considerada como um fator de elevada importância nos estudos de demanda por transportes, com base no reconhecimento que sistemas congestionados são uma realidade inevitável nos grandes centros urbanos, gerando incertezas nas estimativas do tempo de viagem e tornando sua representação através de uma variável de tempo médio excessivamente simplista. O acesso terrestre aos aeroportos em São Paulo constitui um contexto interessante para o estudo da confiabilidade, considerando os altos custos atribuídos à eventual perda do voo e o ambiente de alta variabilidade de tempos de viagem na região. O estudo da confiabilidade do tempo de viagem tem sido em geral desenvolvido com um enfoque exclusivamente quantitativo, usando modelos matemáticos que se baseiam em teorias de maximização da utilidade estimados a partir de dados de preferência declarada. Em geral, são ignorados: (i) os efeitos de fatores latentes no comportamento, (ii) o fato de que o comportamento nem sempre reflete as intenções, (iii) a complexidade dos fatores envolvidos nas escolhas e (iv) os fatores que descrevem o contexto em que ocorre a decisão. O trabalho utiliza métodos mistos para a coleta e análise dos dados, procurando obter um conjunto abrangente de informações sobre o comportamento. Tanto a coleta de dados como os modelos estimados baseiam-se nos fundamentos da Teoria do Comportamento Planejado, que afirma que o comportamento revelado pode ser estimado a partir de uma intenção que, por sua vez, pode ser estimada a partir de atitudes, normas subjetivas e controle percebido. O controle percebido representa a percepção individual quanto à facilidade em desempenhar um comportamento. Neste estudo, a confiabilidade do tempo de viagem é incluída como um fator de controle percebido, assim como outros indicadores de controle não comumente considerados. A análise é conduzida usando-se uma técnica de Modelos de Equações Estruturais denominada Mínimos Quadrados Parciais. O uso desta técnica permitiu uma descrição abrangente dos mecanismos envolvidos no processo de escolha de acesso terrestre ao aeroporto e confirmou a importância dos fatores latentes na escolha, particularmente os relacionados ao controle percebido e real. Foi possível também verificar que conjuntos distintos de fatores influenciam a formação da intenção (e portanto a preferência declarada) e o comportamento propriamente dito (e portanto o comportamento revelado). / Travel time reliability is now considered a major factor in explaining travel demand since its underlying cause congestion seems to be an unavoidable reality in large urban centers. This brings uncertainty to travel time estimates, rendering its representation through travel time averages excessively simplistic. Ground access to airports serving the city of São Paulo makes an interesting context to study reliability, given the considerable annoyance and cost associated with the possibility of missing a flight and the high variability of travel times prevailing in the area. Studies of the reliability of travel time have generally been based on a purely quantitative approach, using utility-based mathematical models, mostly estimated with stated preference data. They usually ignore: (i) the effects of latent factors on behavior, (ii) the fact that behavior does not always reflect intentions, (iii) the complexity of factors involved in choice processes and (iv) the factors describing the choice context. This study uses mixed methods for data collection and analysis, aiming to gather a comprehensive set of information about behavior. Both data collection and modeling are based on the Theory of Planned Behavior, which states that behavior can be predicted from intention; intention, by its turn, can be predicted from attitudes, subjective norms and perceived behavioral control. The latter refers to peoples perception of the ease or difficulty of performing the behavior of interest. In this study, we include travel time reliability as a perceived behavioral control factor, in addition to other indicators of control that are not commonly considered. Analysis is conducted using Partial Least Squares, a technique from the family of Structural Equations Models. The use of this technique allowed for a more complete description of the mechanisms involved in the choice process of ground access to airports and confirmed the importance of latent factors on choice, particularly those related to perceived and actual control. The results also indicate that different sets of factors affect the formation of intention (and thus the stated choice) and the behavior itself (and thus actual behavior).

Causal models have been used in different areas of knowledge in order to comprehend the causal associations between variables. Over the past decades, the amount of studies using these models have been growing a lot, especially those related to biological systems where studying and learning causal relationships among traits are essential for predicting the consequences of interventions in such system. Graph analysis (GA) and structural equation modeling (SEM) are tools used to explore such associations. While GA allows searching causal structures that express qualitatively how variables are causally connected, fitting SEM with a known causal structure allows to infer the magnitude of causal effects. Also SEM can be viewed as multiple regression models in which response variables can be explanatory variables for others. In quantitative genetics studies, SEM aimed to study the direct and indirect genetic effects associated to individuals through information related to them, beyond the observed characteristics, such as the kinship relations. In those studies typically the assumptions of linear relationships among traits are made. However, in some scenarios, nonlinear relationships can be observed, which make unsuitable the mentioned assumptions. To overcome this limitation, this paper proposes to use a mixed effects polynomial structural equation model, second or superior degree, to model those nonlinear relationships. Two studies were developed, a simulation and an application to real data. The first study involved simulation of 50 data sets, with a fully recursive causal structure involving three characteristics in which linear and nonlinear causal relations between them were allowed. The second study involved the analysis of traits related to dairy cows of the Holstein breed. Phenotypic relationships between traits were calving difficulty, gestation length and also the proportion of perionatal death. We compare the model of multiple traits and polynomials structural equations models, under different polynomials degrees in order to assess the benefits of the SEM polynomial of second or higher degree. For some situations the inappropriate assumption of linearity results in poor predictions of the direct, indirect and total of the genetic variances and covariance, either overestimating, underestimating, or even assign opposite signs to covariances. Therefore, we conclude that the inclusion of a polynomial degree increases the SEM expressive power. / Modelos causais têm sido muitos utilizados em estudos em diferentes áreas de conhecimento, a fim de compreender as associações ou relações causais entre variáveis. Durante as últimas décadas, o uso desses modelos têm crescido muito, especialmente estudos relacionados à sistemas biológicos, uma vez que compreender as relações entre características são essenciais para prever quais são as consequências de intervenções em tais sistemas. Análise do grafo (AG) e os modelos de equações estruturais (MEE) são utilizados como ferramentas para explorar essas relações. Enquanto AG nos permite buscar por estruturas causais, que representam qualitativamente como as variáveis são causalmente conectadas, ajustando o MEE com uma estrutura causal conhecida nos permite inferir a magnitude dos efeitos causais. Os MEE também podem ser vistos como modelos de regressão múltipla em que uma variável resposta pode ser vista como explanatória para uma outra característica. Estudos utilizando MEE em genética quantitativa visam estudar os efeitos genéticos diretos e indiretos associados aos indivíduos por meio de informações realcionadas aos indivíduas, além das característcas observadas, como por exemplo o parentesco entre eles. Neste contexto, é tipicamente adotada a suposição que as características observadas são relacionadas linearmente. No entanto, para alguns cenários, relações não lineares são observadas, o que torna as suposições mencionadas inadequadas. Para superar essa limitação, este trabalho propõe o uso de modelos de equações estruturais de efeitos polinomiais mistos, de segundo grau ou seperior, para modelar relações não lineares. Neste trabalho foram desenvolvidos dois estudos, um de simulação e uma aplicação a dados reais. O primeiro estudo envolveu a simulação de 50 conjuntos de dados, com uma estrutura causal completamente recursiva, envolvendo 3 características, em que foram permitidas relações causais lineares e não lineares entre as mesmas. O segundo estudo envolveu a análise de características relacionadas ao gado leiteiro da raça Holandesa, foram utilizadas relações entre os seguintes fenótipos: dificuldade de parto, duração da gestação e a proporção de morte perionatal. Nós comparamos o modelo misto de múltiplas características com os modelos de equações estruturais polinomiais, com diferentes graus polinomiais, a fim de verificar os benefícios do MEE polinomial de segundo grau ou superior. Para algumas situações a suposição inapropriada de linearidade resulta em previsões pobres das variâncias e covariâncias genéticas diretas, indiretas e totais, seja por superestimar, subestimar, ou mesmo atribuir sinais opostos as covariâncias. Portanto, verificamos que a inclusão de um grau de polinômio aumenta o poder de expressão do MEE.

Causal models have been used in different areas of knowledge in order to comprehend the causal associations between variables. Over the past decades, the amount of studies using these models have been growing a lot, especially those related to biological systems where studying and learning causal relationships among traits are essential for predicting the consequences of interventions in such system. Graph analysis (GA) and structural equation modeling (SEM) are tools used to explore such associations. While GA allows searching causal structures that express qualitatively how variables are causally connected, fitting SEM with a known causal structure allows to infer the magnitude of causal effects. Also SEM can be viewed as multiple regression models in which response variables can be explanatory variables for others. In quantitative genetics studies, SEM aimed to study the direct and indirect genetic effects associated to individuals through information related to them, beyond the observed characteristics, such as the kinship relations. In those studies typically the assumptions of linear relationships among traits are made. However, in some scenarios, nonlinear relationships can be observed, which make unsuitable the mentioned assumptions. To overcome this limitation, this paper proposes to use a mixed effects polynomial structural equation model, second or superior degree, to model those nonlinear relationships. Two studies were developed, a simulation and an application to real data. The first study involved simulation of 50 data sets, with a fully recursive causal structure involving three characteristics in which linear and nonlinear causal relations between them were allowed. The second study involved the analysis of traits related to dairy cows of the Holstein breed. Phenotypic relationships between traits were calving difficulty, gestation length and also the proportion of perionatal death. We compare the model of multiple traits and polynomials structural equations models, under different polynomials degrees in order to assess the benefits of the SEM polynomial of second or higher degree. For some situations the inappropriate assumption of linearity results in poor predictions of the direct, indirect and total of the genetic variances and covariance, either overestimating, underestimating, or even assign opposite signs to covariances. Therefore, we conclude that the inclusion of a polynomial degree increases the SEM expressive power. / Modelos causais têm sido muitos utilizados em estudos em diferentes áreas de conhecimento, a fim de compreender as associações ou relações causais entre variáveis. Durante as últimas décadas, o uso desses modelos têm crescido muito, especialmente estudos relacionados à sistemas biológicos, uma vez que compreender as relações entre características são essenciais para prever quais são as consequências de intervenções em tais sistemas. Análise do grafo (AG) e os modelos de equações estruturais (MEE) são utilizados como ferramentas para explorar essas relações. Enquanto AG nos permite buscar por estruturas causais, que representam qualitativamente como as variáveis são causalmente conectadas, ajustando o MEE com uma estrutura causal conhecida nos permite inferir a magnitude dos efeitos causais. Os MEE também podem ser vistos como modelos de regressão múltipla em que uma variável resposta pode ser vista como explanatória para uma outra característica. Estudos utilizando MEE em genética quantitativa visam estudar os efeitos genéticos diretos e indiretos associados aos indivíduos por meio de informações realcionadas aos indivíduas, além das característcas observadas, como por exemplo o parentesco entre eles. Neste contexto, é tipicamente adotada a suposição que as características observadas são relacionadas linearmente. No entanto, para alguns cenários, relações não lineares são observadas, o que torna as suposições mencionadas inadequadas. Para superar essa limitação, este trabalho propõe o uso de modelos de equações estruturais de efeitos polinomiais mistos, de segundo grau ou seperior, para modelar relações não lineares. Neste trabalho foram desenvolvidos dois estudos, um de simulação e uma aplicação a dados reais. O primeiro estudo envolveu a simulação de 50 conjuntos de dados, com uma estrutura causal completamente recursiva, envolvendo 3 características, em que foram permitidas relações causais lineares e não lineares entre as mesmas. O segundo estudo envolveu a análise de características relacionadas ao gado leiteiro da raça Holandesa, foram utilizadas relações entre os seguintes fenótipos: dificuldade de parto, duração da gestação e a proporção de morte perionatal. Nós comparamos o modelo misto de múltiplas características com os modelos de equações estruturais polinomiais, com diferentes graus polinomiais, a fim de verificar os benefícios do MEE polinomial de segundo grau ou superior. Para algumas situações a suposição inapropriada de linearidade resulta em previsões pobres das variâncias e covariâncias genéticas diretas, indiretas e totais, seja por superestimar, subestimar, ou mesmo atribuir sinais opostos as covariâncias. Portanto, verificamos que a inclusão de um grau de polinômio aumenta o poder de expressão do MEE.