Como funcionam as âncoras qualitativas na calibração fuzzy
Trecho de 1 min 55 s de Análise Qualitativa Comparativa (QCA) no R, gravado no evento XIV CASI (Evento On-line).
Assistir à gravação completaNo Even3 Conteúdos · 1 h 37 minSobre este trecho
Veja a importância dos pontos de corte e percentis para transformar variáveis contínuas em conjuntos difusos no método fsQCA.
Vai de a da gravação.
O que é dito neste trecho
Então a perspectiva da da calibração dos dados em QCA é transformar os valores de uma variável, tá? Em um valor de um conjunto fuzzy, né? E para tanto utilizamos de âncoras qualitativas. Essas âncoras qualitativas é o ponto que vai determinar se aquela condição, aquela variável, ela pertence ou não ao conjunto. Então o conjunto de capacidade dinâmica Qual qual que é o valor que vai dizer que a empresa tem capacidade dinâmica em sua plenitude, tá? Valor um. Ou qual o valor que vai dizer que a empresa não tem capacidade dinâmica, tá? Nenhuma, zero, tá? E qual que é o ponto intermediário, tá? Um ponto eh 0,5, tá? Então eh algumas algumas referências elas sugerem a utilização de âncoras por meio de quartis, tá? No caso aqui foi utilizado o dos quartis e percentis, tá? Então o percentil cinco, 5%, então abaixo de 5% zero, tá? O ponto de virada o a mediana, tá? E o ponto de inclusão total o quartil o percentil 95 95%, tá? E aí com a análise de quartil chegou-se aos valores que determinariam eh a calibração de dados fuzzy, tá? Eh, para capacidade dinâmica eh a inclusão total se dá a partir do valor 4,988, tá? A mediana, né? Então o ponto de virada meio 4,145 e a capacidade eh o valor zero, os valores abaixo menor ou igual a 3,03, tá? Então esse aqui são eh o exemplos para a capacidade dinâmica numa escala Likert de cinco pontos, tá?
Outros trechos deste conteúdo

Conceitos de necessidade e suficiência no QCA
Trecho de a da gravação

As vertentes do QCA: Crisp Set, Fuzzy Set e Multi-Value
Trecho de a da gravação