Micronumerosidade

[Gustavo Diniz]

Você deve atribuir o maior valor para a melhor característica. No caso da idade, os maiores valores devem ser atribuídos para os imóveis mais novos e o sentido de crescimento esperado será positivo, pois a medida que o valor da variável aumenta, os imóveis ficam mais novos e o valor tende a aumentar.

[Vítor]

Perfeito, obrigado!

Isso serve para qualquer característica em questão, como por exemplo a criação de um fator Andar, Fator Localização e etc ?

[Gustavo Diniz]

Se elas forem representadas por variáveis qualitativas de códigos alocados, sim.

[Vítor]

1ª Pergunta:

Quando estiver criando as variáveis para o seu modelo, você pode clicar no sinal de + laranja que ele vai criar uma variável numérica chamada varNum. Em seguida, você pode clicar duas vezes nessa variável para renomeá-la. Em relação à escala, se você classificar a variável como qualitativa de códigos alocados, ela deverá possuir pelo menos 3 valores distintos. A escala deverá ser construída com números inteiros, crescentes e consecutivos, como 1, 2 e 3 por exemplo.
Não existe um limite para quantos códigos você pode criar, mas fique atento para a quantidade mínima de dados que deve ser coletada para cada código criado (micronumerosidade).
Caso sua escala tenha apenas dois valores, então a variável deverá ser classificada como dicotômica.



Gustavo estou aqui novamente, rs... me desculpe as milhões de dúvidas...

Para a variável dicotômica temos alguma regra com relação a qual número atribuir para a melhor característica ?
Exemplo : como citado anteriormente, variável localização para pesquisas em 2 bairros distintos, devo atribuir número 1 para o bairro melhor e 0 para o pior, ou, 1 para o pior e 2 para o melhor ?

[Gustavo Diniz]

Não. A norma diz apenas que é usual a variável dicotômica assumir os valores 0 e 1, mas não determina qual valor deve ser atribuído para a melhor ou pior característica.

[Vítor]

Muito obrigado!

[vitorcabero]

André,

Até 30 dados, você precisa de ao menos 3 elementos de mesma característica. Assim, para o código 1, você possui somente dois dados, o que não atende à micronumerosidade. Neste caso você tem duas opções:

1 - Abandonar o código 1 e os dois dados com este código ou

2 - Reagrupar os dados, de forma que os de códigos 1 sejam incluídos em outros grupos, redistribuindo a classificação e atendendo a micronumerosidade.

Nesta segunda opção o código 2 vai incluir os dados do código 1 e, pode ater ser que alguns dados de código 2 passem para o código 3, reagrupamento dados de mesma característica, considerando alguns atributos compartilhados. Esta segunda opção é a mais indicada porque você não perde os dados coletados.

E se nesse caso o código 2 não atendesse à micronumerosidade? Poderia usar a opção 1 e abandonar o código 2 e utilizar dicotomia entre o 1 e o 3?

[pelli]

Sim, sem problemas.

[f.azevedo]

Bom dia!

Em um caso análogo, tem-se 15 amostras com a situação a seguir:

A. Situação inicial é a variável "Data evento" (código alocado 1, 2 e 3) em anos: 2021 (2 amostras = micronumerosidade), 2022 (7 amostras) e 2023 (6 amostras);

B. Devido a micronumerosidade, os dados de 2021 (2 amostras) foram manipulados a passados para o ano de 2022 com a justificativa de "serem anos compatíveis em relação a estagnação do mercado pela pandemia", apesar da mesma ter acabado só em 05/05/2023 segundo a OMS;

C. Situação proposta 1 é a variável "Data evento" (dicotômica 0 e 1) em anos: 2021/2022 (9 amostras) e 2023 (6 amostras);

D. Situação proposta 2 é a exclusão das amostras de 2021 e, posteriormente, devido a micronumerosidade do modelo, excluir a variável "Data evento";

Pergunta-se:

Qual a situação correta?

E. Manipular as amostras de 2021 para 2022 (itens A, B e C) e alter a variável de "código alocado" para "dicotômica" PARA SE ENCAIXAR na situação exposta acima ao colega "vitorcabero" (08/02/2022) e "André" (20/08/2015)?

ou

F. Excluir a variável e, consequentemente, as amostras como exposto no Instagram da Pelli em 08/02/2023 (https://www.instagram.com/p/CoZ9kbNM4W3/)?

[pelli]

A resposta depende do conhecimento dos dados e do mercado. As duas opções são aceitáveis. O problema no exemplo é que são dados de anos distintos, o que deve ser evitado sempre que possível. A prática nos diz para trabalharmos com dados agrupados em período mensal / trimestral/ semestral e por último anual. A diferença entre anos "pode" ser grande e fragilizar os resultados.

Assim, a opção a ser escolhida é a que der melhor resultados nas estimativas. Excluir uma variável importante pode configurar erro de especificação do modelo.