Análise de gorjetas recebidas em restaurantes utilizando uma abordagem GAMLSS

Autores

  • Elias Sabe Universidade Federal de Lavras https://orcid.org/0000-0003-2649-0135
  • Viviane Silva Universidade Federal de Lavras https://orcid.org/0000-0002-6607-3064
  • Luiz Nakamura Escola Superior de Agricultura "Luiz de Queiroz" - Universidade de São Paulo
  • Andréa Konrath Universidade Federal de Santa Catarina
  • Thiago Ramires Universidade Tecnológica Federal do Paraná

Palavras-chave:

Garçom, Regressão distribucional, Variabilidade

Resumo

Este estudo visa analisar a quantidade de gorjeta, em dólares, que um garçom recebe em um restaurante, dadas algumas características coletadas no estabelecimento. No total, foram consideradas 244 observações e, além da gorjeta recebida (variável resposta), outras seis variáveis explicativas foram obtidas, sendo elas uma variável numérica (conta total, em dólares) e cinco fatores: sexo do pagador (dois níveis: masculino; feminino), fumante (dois níveis: sim; não), dia da semana (quatro níveis: quinta; sexta; sábado; domingo), tipo de refeição (dois níveis: almoço; jantar) e quantidade de pessoas na mesa (três níveis: 1 ou 2; 3; 4 ou mais). Para a modelagem, foram considerados os modelos aditivos generalizados para locação, escala e forma (GAMLSS), devido à sua grande flexibilidade. Por conta da característica assimétrica da variável gorjeta, foram consideradas três distribuições para explicar a resposta, a saber: gama, inversa Gaussiana e Box-Cox Cole e Green (BCCG). Para o processo de seleção das covariáveis em cada um dos parâmetros das distribuições foi utilizado um procedimento baseado no stepwise e os melhores modelos baseados em cada distribuição foram comparados por meio do critério de informação de Akaike (AIC). O modelo baseado na distribuição BCCG foi o que apresentou menor AIC e, após uma análise de resíduos, verificamos que ele é adequado para explicar o conjunto de dados em estudo.

Referências

AKAIKE, H. A new look at the statistical model identification. IEEE Transactions on Automatic Control, v. 19, n. 6, p. 716--723, 1974.

BANN, D.; WRIGHT, L.; COLE, T. J. Risk factors relate to the variability of health outcomes as well as the mean: a GAMLSS tutorial. eLife, v. 11, p. e72357, 2022.

BRYANT, P. G.; SMITH, M. A. Practical Data Analysis. Chicago: Irwin. 1995.

COLE, T. J.; GREEN, P. J. Smoothing reference centile curves: the LMS method and penalized likelihood. Statistics in Medicine, v. 11, n. 10, p. 1305--1319, 1992.

DE BASTIANI, F.; RIGBY, T. A.; STASINOPOULOS, D. M.; CYSNEIROS, A. H. M. A.; URIBE-OPAZO, M. A. Gaussian Markov random field spatial models in GAMLSS. Journal of Applied Statistics, v. 45, n. 1, p. 168--186, 2018.

DUNN, P. K.; SMYTH, G. K. Randomized quantile residuals. Journal of Computational and Graphical Statistics, v. 5, n. 3, p. 236--244, 1996.

EILERS, P. H. C.; MARX, B. D. Flexible smoothing with $B$-splines and penalties. Statistical Science, v. 11, n. 2, p. 89--121, 1996.

HASTIE, T. J.; TIBSHIRANI, R. J. Generalized Additive Models. Boca Raton: CRC Press. 1990.

HELLER, G. Z.; ROBLEDO, K. P.; MARSCHNER, I. C. Distributional regression in clinical trials: treatment effects on parameters other than the mean. BMC Medical Research Methodology, v. 22, p. 56, 2022.

MIRUGWE, A. Restaurant Tipping Linear Regression Model. Disponível em: url{https://ssrn.com/abstract=3719232. 2020. Acesso em: 30/09/2023.

NAKAMURA, L. R.; RAMIRES, T. G.; RIGHETTO, A. J.; PESCIM, R. R.; ROQUIM, F. V.; SAVIAN, T. V.; STASINOPOULOS, D. M. Cattle reference growth curves based on centile estimation: a GAMLSS approach. Computers and Electronics in Agriculture, v. 192, p. 106572, 2022a.

NAKAMURA, L. R.; RAMIRES, T. G.; RIGHETTO, A. J.; SILVA, V. C.; KONRATH, A. C. Using the Box-Cox family of distributions to model censored data:a distributional regression approach. Brazilian Journal of Biometrics, v. 40, n. 4, p. 407--414, 2022b.

NAKAMURA, L. R.; RIGBY, R. A.; STASINOPOULOS, D. M.; LEANDRO, R. A.; VILLEGAS, C.; PESCIM, R. R. Modelling location, scale and shape parameters of the Birnbaum-Saunders generalized $t$ distribution. Journal of Data Science, v. 15, n. 2, p. 221--237, 2017.

NELDER, J. A.; WEDDERBURN, R. W. M. Generalized linear models. Journal of the Royal Statistical Society: Series A, v. 135, n. 3, p. 370--384, 1972.

R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2023. ISBN 3-900051-07-0, URL url{http://www.R-project.org/.

RAMIRES, T. G.; NAKAMURA, L. R.; RIGHETTO, A. J.; KONRATH, A. C.; PEREIRA, C. A. B. Incorporating clustering techniques into GAMLSS. Stats, v. 2021, n. 4, p. 916--930, 2021.

RAMIRES, T. G.; NAKAMURA, L. R.; RIGHETTO, A. J.; PESCIM, R. R.; MAZUCHELI, J.; CORDEIRO, G. M. A new semiparametric Weibull cure rate model: fitting different behaviors within GAMLSS. Journal of Applied Statistics, v. 46, n. 15, p. 2744--2760, 2019.

RAMIRES, T. G.; NAKAMURA, L. R.; RIGHETTO, A. J.; PESCIM, R. R.; MAZUCHELI, J.; RIGBY, R. A.; STASINOPOULOS, D. M. Validation of stepwise-based procedure in GAMLSS. Journal of Data Science, v. 19, n. 1, p. 96--110, 2021.

RIBEIRO, L. F. N. Gorjetas: uma Breve Análise Jurídica sob o Prisma do Direito Consumerista e Trabalhista. Trabalho de Conclusão de Curso (Graduação em Direito) -- Faculdade de Direito do Recife, Universidade Federal de Pernambuco, p. 60. 2017.

RIBEIRO, T. F.; SEIDEL, E. J.; GUERRA, R. R.; PEÑA-RAMÍREZ, F. A.; SILVA, A. M. Soybean production value in the Rio Grande do Sul under the GAMLSS framework. Communications in Statistics: Case Studies, Data Analysis and Applications, v. 7, n. 2, p. 146--165, 2021.

RIGBY, R. A.; STASINOPOULOS, D. M. Generalized additive models for location, scane and shape. Journal of the Royal Statistical Society -- Series C: Applied Statistics, v. 54, n. 3, p. 507--554, 2005.

RIGBY, R. A.; STASINOPOULOS, M. D.; HELLER, G. Z.; DE BASTIANI, F. Distributions for Modeling Location, Scale, and Shape: Using GAMLSS in R. Boca Raton: CRC Press. 2019.

SANVOZO, C. C. Discurso polêmico em torno da lei da gorjeta. Discursividades, v. 12, n. 1, p. e-121230, 2023.

STASINOPOULOS, D. M.; RIGBY, R. A.; DE BASTIANI, F. Principal component regression in GAMLSS applied to Greek–German government bond yield spreads. Statistical Modelling, v. 22, n. 1--2, p. 127--145, 2022.

STASINOPOULOS, M. D.; RIGBY, R. A.; HELLER, G. Z.; VOUDOURIS, V.; DE BASTIANI, F. Flexible Regression and Smoothing: Using GAMLSS in R. Boca Raton: CRC Press. 2017

VAN BUUREN, S.; FREDRIKS, M. Worm plot: a simple diagnostic device for modelling growth reference curves. Statistics in Medicine, v. 20, n. 8, p. 1259--1277, 2001.

WADA, Y.; GOTO, N.; KITAGUCHI, Y.; YASUO, M.; HANAOKA, M. Referential equations for pulmonary diffusing capacity using GAMLSS models derived from Japanese individuals with near-normal lung function. PLOS ONE, v. 17, n. 7, p. e0271129, 2022.

Downloads

Publicado

31-12-2023

Como Citar

Sabe, E., Silva, V., Nakamura, L., Konrath, A., & Ramires, T. (2023). Análise de gorjetas recebidas em restaurantes utilizando uma abordagem GAMLSS. Sigmae, 12(3), 82–92. Recuperado de https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/2253

Edição

v. 12 n. 3 (2023): Número especial: 67ª RBRAS e 20° SEAGRO

Seção

Estatística Aplicada

Licença

Proposta de Política para Periódicos de Acesso Livre


Autores que publicam nesta revista concordam com os seguintes termos:

    1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

    1. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

  1. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).