[R-br] Variáveis para utilizar no modelo de trend, geoR

Sexta Julho 10 11:39:41 BRT 2015

Olá pessoal da lista, dando continuidade ao tópico.

Terminei minha análise e obtive ao todo 25 potenciais covariáveis que podem
auxiliar na remoção de tendência espacial, são variáveis relacionadas a
características de bacias hidrográficas, como: declividade média,
comprimento do talvegue principal, perímetro da bacia, densidade de
drenagem e por aí vai...
Sendo assim, somente para relembrar eu gostaria de fazer uma análise
inicial para ver qual dessas variáveis teria potencial de fornecer o menor
AIC, sem testar o AIC propriamente dito. Portanto fiz uma correlação das
covariáveis com as variáveis a ser interpoladas e gerei um gráfico biplot
(abaixo), assim gostaria de saber se é válido eu testar somente as
covariáveis com maior correlação ou se poderia utilizar os CPs e se sim
como?

Correlação: covariáveis=linhas, e variáveis a ser interpoladas=colunas

                  mu_ANO    sigma_ANO
Longitude    0,309773523 -0,432319362
Latitude     0,043765763 -0,129590961
mu_ANO       1,000000000 -0,558729500
sigma_ANO   -0,558729500  1,000000000
Area        -0,009879420 -0,101997684
Prec.med     0,220052743  0,199920162
IEB          0,575548988 -0,895618035
Coe.compa    0,025913684 -0,113029677
Compr.rios  -0,007001915 -0,100158610
Compr.talv  -0,022198958 -0,117249277
Dens.dren   -0,108273840  0,424699634
Difer.cota   0,186748546 -0,244039340
Fator.form  -0,268887058  0,241122975
Freq.1ordem -0,060686747  0,416964783
Elev.med    -0,143697017 -0,077664652
Decli.med    0,171869648 -0,009019921
Perimetro   -0,053893606 -0,174399147
Raz.alonga  -0,224942639  0,427795530
Raz.area     0,173208218 -0,131534485
Raz.bifur   -0,047975482  0,170262278
Raz.circu   -0,027943157  0,114054383
Raz.compr   -0,032817978  0,095353852
Raz.decliv   0,048190496  0,291689477
Num.rios    -0,007973050 -0,100965060
Diam.topo   -0,023412917 -0,149254679

Gráfico Biplot

[image: Imagem inline 1]

                                    PC1    PC2    PC3     PC4     PC5
PC6    PC7
Standard deviation     2,5661 1,9760 1,8789 1,49395 1,37407 1,23960
Proportion of Variance 0,2634 0,1562 0,1412 0,08928 0,07552 0,06146
Cumulative Proportion  0,2634 0,4196 0,5608 0,65007 0,72560 0,78706

Em 10 de junho de 2015 15:20, Wagner Wolff <wwolff em usp.br> escreveu:

> Olá Prof. Paulo
>
> Entendi, vou recorrer a segunda opção, assim que obter todos os dados
> posto aqui os componentes principais.
>
> Muito Obrigado pela ajuda!
>
> Em 10 de junho de 2015 10:15, Paulo Justiniano <paulojus em leg.ufpr.br>
> escreveu:
>
>> Wagner
>>
>> Inicialmente vejo duas formas de pensar no uso destas "potenciais"
>> covariáveis:
>>
>> 1. fazer uma seleção de variáveis ficando apenas com aquelas realmente
>> assocuiadas com a resposta.
>> Por exemplo poderia usar um metodo stepwise (mesmo ignorando dependencia
>> espacial) com um criterio de entrada mais parcimonioso.
>> É possível fazer isto no modelo espacial tb incluindo as veriáveis e
>> comparando ajustes, mas não existe um stepwise implementado para isto
>>
>> 2. Construir (co)variáveis a partir destas 10 atraves, por exemplo de
>> analise de componentes principais ou fatorial.
>> Neste caso voce parte do principio que não que selecionar covariáveis
>> originais ou interpretar cada uma delas individualmente (embora alguns
>> componentes ou fatores possam vir a ser interpretaveis na sua composição.
>> Estou supondo aqui que as coveriáveis são contínuas
>>
>> Note que em um caso ou outro voce vai precisar dos valores
>> nos pontos de predição tb na hora da interpolação.
>>
>>
>>
>>
>> On Sun, 7 Jun 2015, Wagner Wolff wrote:
>>
>>  Olá pessoal da lista!
>>>
>>> Eu tenho mais de 10 covariáveis que quero testar para a remoção de
>>> tendência espacial de um modelo geoestatístico, no qual utilizarei o AIC
>>> como índice de escolha
>>> do melhor modelo. Gostaria de saber como eu poderia proceder para fazer
>>> um filtro nessas covariáveis, eliminando as que não terão peso
>>> significativo no modelo,
>>> antes de testar o AIC. Sendo assim minha pergunta é:
>>>
>>> É garantido que as covariáveis que terão maior correlação com a variável
>>> a ser interpolada, serão as que representarão no modelo de retirada de
>>> tendência o menor
>>> AIC?
>>>
>>> É válido fazer um gráfico Biplot para analisar isso ou a matriz de
>>> correlação já seria suficiente?
>>>
>>> Obrigado pela atenção!
>>> Wagner Wolff
>>>
>>>
>> _______________________________________________
>> R-br mailing list
>> R-br em listas.c3sl.ufpr.br
>> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
>> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
>> código mínimo reproduzível.
>>
>
>
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20150710/f4f90b8b/attachment.html>
-------------- Próxima Parte ----------
Um anexo não-texto foi limpo...
Nome: image.png
Tipo: image/png
Tamanho: 94826 bytes
Descrição: não disponível
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20150710/f4f90b8b/attachment.png>