Guedes Gilvan Ramalho, Caetano André Junqueira, Machado Carla Jorge, Brondízio Eduardo Sonewend
Doutor em Demografia, pesquisador residente do Environmental Change Initiative/Brown University.
Rev Bras Estud Popul. 2010 Jan;27(1):21-33. doi: 10.1590/s0102-30982010000100003.
O método Grade of Membership (GoM) tem sido cada vez mais utilizado por demógrafos brasileiros e tem a vantagem de possuir um parâmetro que mensura a heterogeneidade individual, com base nas correlações não-observáveis entre as categorias de resposta das variáveis de interesse, gerando um medida do grau de pertencimento de cada indivíduo a perfis extremos. Alguns autores, contudo, chamam atenção para questões importantes na calibragem dos modelos finais que utilizam o programa GoM versão 3.4, como o problema de identificabilidade - soluções múltiplas para parâmetros estimados. Neste artigo, é sugerido um procedimento capaz de identificar um modelo final com solução única que descreva os tipos puros mais fidedignos à base de dados, em uma tentativa de otimização. Para ilustrar esse processo, utilizou-se uma base de dados correspondente a um levantamento econômico e sociodemográfico de uma população de pequenos agricultores residentes ao longo da Rodovia Transamazônica, no Estado do Pará. Também identificou-se a existência de instabilidade nos parâmetros estimados pelo programa GoM 3.4, sendo proposto um método de estabilização de seus valores. Com esses procedimentos combinados, os usuários do programa GoM 3.4 poderão descrever sua base de dados de forma mais adequada e responder às críticas sobre questões de identificabilidade e estabilidade dos modelos resultantes. Essas soluções empíricas são relevantes por afetarem cálculos de prevalência e de incidência de eventos de interesse, além de trazerem consequências importantes sobre o ponto e o momento corretos para intervenções de políticas públicas ou de planejamento prospectivo em análises de projeção.
隶属度等级(GoM)方法越来越受到巴西人口统计学家的青睐,其优势在于拥有一个参数,该参数基于感兴趣变量的响应类别之间不可观测的相关性来衡量个体异质性,从而生成每个个体属于极端类型的程度度量。然而,一些作者提醒注意在使用GoM 3.4版本程序校准最终模型时的重要问题,比如可识别性问题——估计参数的多种解决方案。本文提出了一种程序,能够识别具有唯一解的最终模型,该模型能最可靠地描述数据库中的纯类型,以进行优化尝试。为说明这一过程,使用了一个数据库,该数据库对应于对帕拉州沿亚马孙横贯公路居住的小农户群体进行的经济和社会人口调查。还发现GoM 3.4程序估计的参数存在不稳定性,并提出了一种稳定其值的方法。通过结合这些程序,GoM 3.4程序的用户能够更恰当地描述其数据库,并回应有关所得模型的可识别性和稳定性问题的批评。这些实证解决方案很重要,因为它们会影响感兴趣事件的患病率和发病率计算,此外还会对公共政策干预或前瞻性规划分析中的预测分析的正确时机和时刻产生重要影响。