Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This work presents a comparative study of multicollinearity identification methodologies in multivariate analyzes. Multicollinearity is caused by intense linear relationship between the study variables and can interfere with the interpretation of the results of various multivariate statistical techniques. The objectives of this study were to compare multicollinearity identification methodologies in different settings number of variables, sample size and degree of correlation between variables and identify the most appropriate techniques for the identification of multicollinearity. Morphological and productive variables of an experiment with tomato data were used to generate random samples with multivariate normal distribution in scenario variables numbers and sample sizes in three levels of correlation between variables (low, medium and high). For each scenario were obtained in 1000 multivariate samples and quantified the percentage of presence of multicollinearity statement by the criteria of determining the correlation matrix, condition number and factor inflation variance and the test Farrar and Glauber and Haitovsky. The criteria and the evaluation tests multicollinearity have different results are amended as the number of variable sample size and the degree of correlation between variables. Sample size slightly higher than the number of variables increases the occurrence of multicollinearity. The criteria of the condition number and variance inflation factor is effective in identifying multicollinearity among tomato variables. / Este trabalho apresenta um estudo comparativo de metodologias de identificação da multicolinearidade em análises multivariadas. A multicolinearidade é ocasionada pelo intenso relacionamento linear entre variáveis em estudo e pode prejudicar a interpretação dos resultados de várias técnicas de estatística multivariada. Os objetivos deste trabalho foram comparar metodologias de identificação da multicolinearidade em diversos cenários de número de variáveis, tamanho de amostra e grau de correlação entre variáveis, bem como, identificar técnicas mais adequadas para o identificação da multicolinearidade. Foram utilizados dados de variáveis morfológicas e produtivas de um experimento com tomateiro para gerar as amostras aleatórias com distribuição normal multivariada em cenários de números de variáveis e tamanhos de amostra em três níveis de correlação entre as variáveis (baixa, média e alta). Para cada um dos cenários foram obtidas 1000 amostras multivariadas e quantificado o percentual de indicação de presença de multicolinearidade pelos critérios do determinante da matriz de correlação, número de condição e fator de inflação de variância e pelos testes de Farrar e Glauber e de Haitovsky. Os critérios e testes de avaliação da multicolinearidade apresentam resultados diferentes conforme são alterados o número de variáveis, tamanho de amostra e grau de correlação entre as variáveis. Tamanho de amostra pouco superior ao número de variáveis aumenta a ocorrência de multicolinearidade. Os critérios do número de condição e fator de inflação de variância são eficientes na identificação de multicolinearidade entre variáveis de tomateiro.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/3259 |
Date | 15 January 2016 |
Creators | Haesbaert, Fernando Machado |
Contributors | Lopes, Sidinei José, Lúcio, Alessandro Dal col, Cargnelutti Filho, Alberto, Storck, Lindolfo, Brum, Betânia |
Publisher | Universidade Federal de Santa Maria, Programa de Pós-Graduação em Agronomia, UFSM, BR, Agronomia |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | application/pdf |
Source | reponame:Repositório Institucional da UFSM, instname:Universidade Federal de Santa Maria, instacron:UFSM |
Rights | info:eu-repo/semantics/openAccess |
Relation | 500100000009, 400, 300, 300, 300, 300, 300, 300, cc0fa398-a3c9-414d-aad5-00c84636bbd4, 21ed62e2-ba42-45da-ac3e-ecf05a5afb79, 25726e4d-5702-42f5-848b-e02aeb260fc0, 72602132-946f-40d5-9537-fd9b18bafacb, 12ec4127-d16a-4627-a53b-8e29efe9dd8e, 64ec398e-7732-43c0-9df2-be0a91cf0eb6 |
Page generated in 0.0114 seconds