Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/33226
metadata.teses.dc.title: Simulação de dados de área em GEE e análise da adoção de variedades melhoradas de milho em Moçambique
metadata.teses.dc.title.alternative: Simulation of spatial lattice data in gee and adoption analysis of improved maize varieties in Mozambique
metadata.teses.dc.creator: Manuel, Lourenço
metadata.teses.dc.creator.Lattes: http://lattes.cnpq.br/3930150188274304
metadata.teses.dc.contributor.advisor1: Scalon, João Domingos
metadata.teses.dc.contributor.referee1: Pires, Danilo Machado
metadata.teses.dc.contributor.referee2: Lima, Renato Ribeiro de
metadata.teses.dc.contributor.referee3: Sáfadi, Thelma
metadata.teses.dc.contributor.referee4: Cirilo, Marcelo Ângelo
metadata.teses.dc.subject: Equações de estimação generalizadas
Eficiência relativa
Matriz de correlação espacial de trabalho
Estatística espacial
Autocorrelação espacial
Índice de Moran
Milho - Melhoramento genético
Generalized estimating equations
Relative efficiency
Spatial working correlation matrix
Spatial statistics
Spatial autocorrelation
Moran index
metadata.teses.dc.date.issued: 19-Mar-2019
metadata.teses.dc.description.sponsorship: Ministério da Ciência e Tecnologia, Ensino Superior e Técnico Profissional de Moçambique (MCTESTP)
metadata.teses.dc.identifier.citation: MANUEL, L. Simulação de dados de área em GEE e análise da adoção de variedades melhoradas de milho em Moçambique. 2019. 99 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2019.
metadata.teses.dc.description.resumo: As equações de estimação generalizadas (EEG), amplamente usadas no estudo de dados longitudinais, constituem uma extensão dos modelos lineares generalizados (MLG) para modelagem de fenômenos com correlação temporal. Suaaplicação em dados espaciais de área é realizada por meio da modelagem da matriz de correlação espacial de trabalho. Essa matriz tem sido construída com base na estrutura do semivariograma, que é uma metodologia aplicada a dados de superfície contínua (geoestatística). Neste trabalho propõe-se a aplicação das EEG para dados espaciais em áreas, por meio da modelagem da matriz de correlação de trabalho, baseada no índice de Moran que é próprio para descrever a estrutura de correlação espacial nesse tipo de dados. Nesta tese é apresentado o desenvolvimento teórico das EEG, assim como os resultados baseados não somente em simulação de dados, mas também em dados reais referentes ao estudo de adoção de variedades melhoradas de milho em Moçambique. Para o caso de dados simulados, foram geradas 1000 amostras de uma variável aleatória no intervalo (0, 1) considerando diferentes valores do índice de Moran. Além disso, foram também geradas, aleatoriamente, duas covariáveis, uma binária e outra contínua. Em cada amostra foram ajustados dois modelos, um ignorando a dependência espacial (MLG) e o outro aplicando as EEG aqui propostas. Para cada amostra foi determinada a eficiência relativa do estimador baseado em EEG em relaçao ao estimador MLG. Além disso, foram usados os critérios de seleção de matriz de correlação de trabalho. Os resultados mostraram que a modelagem baseada na aplicação das EEG aumentou a eficiência dos estimadores, uma vez que uma boa especificação da matriz de correlação de trabalho traduz-se em ganho na diminuição da variância dos estimadores. Em relaçãoaos dados reais, foi usada como variável resposta a proporção de produtores que usou sementes melhoradas de milho e um conjunto de 13 variáveis explicativas identificadas como fatores sócio-demográficos, econômicos, institucionais e tecnológicos. A dependência espacial da variável resposta foi avaliada com base nas estatísticas global e local de Moran. Na modelagem dos dados foram ajustados dois modelos, o modelo logístico e o uso das EEG aqui propostas. Os resultados obtidos usando os dados reais foram consistentes com os resultados obtidos para os dados simulados, isto é, a aplicação das EEG apresentou melhores resultados em relação ao modelo logístico. A modelagem baseada na aplicação das EEG permitiu aferir que a disponibilidade de mão de obra, a idade média do produtor, o uso de tração animal, o acesso a informação, a posse de celeiros melhorados, o acesso ao crédito e aos serviços de extensão, constituem fatores determinantes de adoção de sementes melhoradas de milho em Moçambique. Além disso, a dependência espacial presente na variável resposta também mostrou uma influência positiva significativa na decisão de usar variedades melhoradas de milho.
metadata.teses.dc.description.abstract: Generalized Estimating Equations (GEE) are extension of Generalized Linear Models (GLM), widely applied in longitudinal data analysis. GEE are also applied in spatial data analysis through modelling the working correlation matrix based on semivariogram structure widely applied in random fields (geostatistics). In this paper we propose application of GEE for spatial lattice data modelling the working correlation matrix using the Moran’s index which is the most common index used to depict spatial autocorrelation between observations in this type of data. We present results for simulated and real data as well. For the former case, 1000 samples of a random variable defined in (0,1) interval were generated using different values of the Moran’s index. In addition, a binary and a continuous variable were also randomly generated as covariates. In each sample two models were fitted, one ignoring the spatial dependency (GLM) and other using the proposed GEE approach. Two measures of model performance were used, the relative efficiency of GEE estimator to its counterpart GLM and the working correlation selection criterions. Results showed that our proposed GEE approach have improved the efficiency of estimators due the well specification of the working correlation matrix. For real data case, the proportion of small farmers who did use improved maize varieties was considered as the response variable and a set 13 variables were used as covariates. These predictors were classified as economic, demographic, institutional and technologic factors. The spatial dependency of the response variable was assessed by global and local Moran indexes. Two models were fitted, the logistic regression model and the GEE here proposed. Results for real data showed consistence with those obtained for simulation study, i.e, the application of GEE proposed has generated better results compared to its competitor. Using the GEE approach for spatial lattice data it was possible to claim that the household size, hired labour, household head age, animal traction, information access, ownership of improved grain storage system, credit and extension services access are the main factors affecting adoption of improved maize varieties in Mozambique. Furthermore, the spatial dependence between observations of the response variable has also showed a significant positive influence in adoption of improved maize seeds.
metadata.teses.dc.description: Arquivo retido, a pedido do autor, até março 2020.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/33226
metadata.teses.dc.publisher: Universidade Federal de Lavras
metadata.teses.dc.language: por
Appears in Collections:DEX - Estatística e Experimentação Agropecuária - Doutorado (Teses)

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.