<div dir="ltr">Eu usaria apenas a verossimilhança, no caso de modelos aninhados teste de razão de verossimilhança. A maioria dos outros são apenas mudanças da verossimilhança.<div><br></div><div>Tambem não entendi pq usar semivariograma nos resíduos, vc já não controlou o efeito espacial ??? Vc pode ver um mapa apenas do efeito espacial já filtrando efeito de tratamento e bloco apenas com seu modelo ajustado. </div>
<div><br></div><div>Eu incluiria na sua comparação o modelo matern com parâmetro kappa fixado em 1.5 e 2.5 seriam modelos intermediários ao exponencial e gaussiano que são casos particulares da matern com kappa 0.5 e infinito.</div>

</div><div class="gmail_extra"><br><br><div class="gmail_quote">Em 20 de dezembro de 2013 07:16, Elias T. Krainski <span dir="ltr"><<a href="mailto:eliaskrainski@yahoo.com.br" target="_blank">eliaskrainski@yahoo.com.br</a>></span> escreveu:<br>
<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">
  
    
  
  <div bgcolor="#FFFFFF" text="#000000"><div class="im">
    On 12/20/2013 09:53 AM, Cássio Dessotti wrote:<br>
    <blockquote type="cite">
      <div><br>
      </div>
      <div>Você acha que o critério de AIC (ou BIC - apesar de nem
        sempre apontarem <span style="font-size:12pt">o mesmo modelo)
          é suficiente para a escolha de um modelo? </span><span style="font-size:12pt">Seria necessário o uso do critério de
          validação cruzada neste caso?</span></div>
    </blockquote></div>
    R2, AIC, BIC, DIC, WBIC basicamente medem quao bom seu modelo esta
    ajustado aos dados. Medidas baseadas em validacao cruzada (aqui
    entra diversas, inclusive WAIC) servem para medir quao bom de
    predicao seu modelo e' ou se ha observacoes discrepantes. <br><div class="im">
    <blockquote type="cite">
      <div><br>
      </div>
      <div>A partir do modelo selecionado (análise conjunta), posso
        extrair os resíduos condicionais <span style="font-size:12pt">estudentizados,
          separá-los segundo locais, para em cada local construir </span><span style="font-size:12pt">semivariogramas destes resíduos,
          verificando a "força" da dependência, e </span><span style="font-size:12pt">realizar krigagem em cada área
          (trabalhando com os resíduos para "limpar" </span><span style="font-size:12pt">os dados de seus efeitos de
          tratamentos e demais efeitos). </span></div>
      <div><br>
      </div>
    </blockquote></div>
    porque estimar um modelo incluindo efeito espacial e depois
    verificar dependencia espacial nos residuoes desse modelo? Vc pode
    pensar sob a abordagem de model based geostatistics. nesta abordagem
    efeitos fixos (delineamento) e aleatorios (espacial neste caso) sao
    considerados conjuntamente. Se o modelo ja levou em conta a
    estrutura espacial os residuos devem ser iid. A menos que se tenha
    mais de uma estrutura espacial ou e a estrutura incluida no modelo
    nao seja suficiente.<br>
    <br>
  </div>

<br>_______________________________________________<br>
R-br mailing list<br>
<a href="mailto:R-br@listas.c3sl.ufpr.br">R-br@listas.c3sl.ufpr.br</a><br>
<a href="https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br" target="_blank">https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br</a><br>
Leia o guia de postagem (<a href="http://www.leg.ufpr.br/r-br-guia" target="_blank">http://www.leg.ufpr.br/r-br-guia</a>) e forneça código mínimo reproduzível.<br></blockquote></div><br><br clear="all"><div><br></div>-- <br>
Wagner Hugo Bonat<br>LEG - Laboratório de Estatística e Geoinformação<br>UFPR - Universidade Federal do Paraná
</div>