Utilizando Machine Learning para Analisar atrito em uma pesquisa longitudinal com desenho complexo: A PCSVDF-Mulher

Os estudos longitudinais são definidos como uma determinada coleta de informações em momentos diferentes momentos ou intervalos de tempo que tem o objetivo de se fazer inferências com relação a evolução do que foi estudado. Dentre as suas vantagens podem ser destacadas a capacidade de identificar e relacionar eventos com exposições específicas, estabelecer sequencia de eventos, acompanhar mudanças ao longo do tempo e excluir um possível viés de memória nos participantes. No entanto, as pesquisas longitudinais ou de painel enfrentam o desafio adicional do desgaste do painel – isto é, entrevistados que participam de uma entrevista, mas não de entrevistas subsequentes. A Pesquisa de Condições Socioeconômicas e Violência Doméstica e Familiar contra a Mulher (PCSVDF-Mulher) é uma pesquisa de cárater longitudinal que teve inicio no ano de 2016 nas nove capitais dos estados do Nordeste. Foi encontrada uma taxa de atrito de 53,15% entre a onda 1 e a onda 2 na pesquisa. O presente trabalho irá englobar, para a estimação do atrito, características do domicílio, da mulher, da entrevistadora e aspectos de gênero. Serão utilizados para a estimação a técnica de modelagem tradicional e métodos de machine learning. Os resultados encontrados indicam que características como tipo de residência, propensão a mudar de endereço, idade da entrevistada, e aspectos de gênero aumentar a probabilidade de atrito de uma onda para outra.