Dissertação em PDF - departamento de engenharia florestal - ufpr ...

perdidos foram estimados a partir de dois métodos: (1) Substituição pela média para
variáveis com até 15% de dados perdidos; e (2) Método da regressão linear múltipla,
utilizado por Mazlum et al. (1999) e proposto por Buck (1960 3 ). Este método é
baseado no uso de equação de regressão linear múltipla, definindo a variável com
dados perdidos como a variável dependente da equação.
As equações de regressão linear múltipla para estimação dos dados
ausentes foram obtidas através da função multiple regression do programa
Statgraphics Centurion XV.II. Para cada variável com dados perdidos (variável
dependente), foram realizados diversos testes de regressão múltipla visando
identificar quais variáveis independentes melhor explicavam a variância dos dados
da variável dependente. Para isto, foi monitorado o R 2 , o R 2 ajustado e o desvio
padrão do erro das equações, bem como os p-values da Análise de Variância.
Os métodos empregados para atribuição dos dados para as coletas
realizadas no período anterior e posterior ao corte estão relacionados na tabela do
Apêndice I.
3.6.1.2. Teste de normalidade
A avaliação de normalidade das variáveis aleatórias foi realizada através do
cálculo de assimetria e curtose, que são medidas empíricas da forma de distribuição
dos dados da variável aleatória. Valores de assimetria e curtose maiores que 2,0 ou
menores que -2,0 indicam que a distribuição dos dados difere de uma distribuição
normal a um nível de significância de 0,05 (Hair et al., 2009, pg. 83).
As variáveis que apresentaram desvios de normalidade foram transformadas
conforme descrito no item seguinte.
3 Buck, S.F. A method of estimation of missing values in multivariate data suitable for use with an electronic
computer. The Journal of the Royal Statistics Society, Vol.22, No.2, 302-306, 1960.
83