<div dir="ltr">AIC é baseado na log-verossimilhança como vc colocou, agora se seu ajuste é por minimos quadrados nao vejo como ... O que vc pode fazer é pegar as estimativas e avaliar na log-verossimilhança mas é claro que vai dar menor ...<br>
<br><div style="font-size:13px"><font face="arial, helvetica, sans-serif">Uma
segunda dúvida é no número de parâmetros utilizados no cálculo do AIC.
Observei que para obter um valor igual a o cálculado pela geoR devo
considerar um parâmetro a mais do que vinha considerando ("tausq",
"sigmasq" e "phi"). Poderia considerar o erro a ser estimado como um
quarto parâmetro do modelo?</font></div>
<div style="font-size:13px"><font face="arial, helvetica, sans-serif"><br></font></div><div style="font-size:13px"><font face="arial, helvetica, sans-serif">Talvez seja o parâmetro de média ??? O modelo basico com 4 parametros phi duas variancias e a media.<br>
</font></div> <br></div><div class="gmail_extra"><br><br><div class="gmail_quote">Em 2 de abril de 2014 22:39, Éder Comunello <span dir="ltr"><<a href="mailto:comunello.eder@gmail.com" target="_blank">comunello.eder@gmail.com</a>></span> escreveu:<br>
<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div dir="ltr"><div><span style="font-family:arial,sans-serif;font-size:13px">Senhores, boa tarde!</span><div style="font-family:arial,sans-serif;font-size:13px">
<br></div><div style="font-family:arial,sans-serif;font-size:13px">
Ao utilizar a geoR temos a possibilidade de ajustes de modelos para variogramas por variofit() e likfit().</div><div style="font-family:arial,sans-serif;font-size:13px"><br></div><div style="font-family:arial,sans-serif;font-size:13px">
Eu costumava usar Grau de Dependência Espacial (GDE) e somatório de erro como critérios para seleção de modelos ajustados por variofit() e principalmente Akaike Information Citerion (AIC) para modelos ajustados por likfit().</div>
<div style="font-family:arial,sans-serif;font-size:13px"><br></div><div style="font-family:arial,sans-serif;font-size:13px">Todavia, recentemente estudando a função loglik.GRF(), vi que é possível calcular um valor log-likelihood para modelos ajustados por variofit().</div>
<div style="font-family:arial,sans-serif;font-size:13px"><br></div><div style="font-family:arial,sans-serif;font-size:13px">Minha dúvida é se faz sentido empregar esse valor no cálculo de um AIC para modelos ajustados por variofit(), uma vez que não encontrei embasamento na literatura.</div>
<div style="font-size:13px"><font face="arial, helvetica, sans-serif"><br></font></div><div style="font-size:13px"><font face="arial, helvetica, sans-serif">Uma segunda dúvida é no número de parâmetros utilizados no cálculo do AIC. Observei que para obter um valor igual a o cálculado pela geoR devo considerar um parâmetro a mais do que vinha considerando ("tausq", "sigmasq" e "phi"). Poderia considerar o erro a ser estimado como um quarto parâmetro do modelo?</font></div>
<div style="font-size:13px"><font face="arial, helvetica, sans-serif"><br></font></div><div style="font-size:13px"><font face="arial, helvetica, sans-serif">Agra</font><span style="font-family:arial,sans-serif">deço qualquer ajuda...</span></div>
<div style="font-family:arial,sans-serif;font-size:13px"><br></div><div style="font-family:arial,sans-serif;font-size:13px">Segue o CMR para apoiar a análise (modificado do help da função)...</div><div style="font-family:arial,sans-serif;font-size:13px">
<br></div><div style="font-family:arial,sans-serif;font-size:13px"><div><font face="courier new, monospace">### <code r></font></div><div><font face="courier new, monospace">require(geoR)<br></font></div><div><font face="courier new, monospace"># ?loglik.GRF</font></div>
<div><font face="courier new, monospace"><br></font></div><div><font face="courier new, monospace">## Computing the likelihood of a variogram fitted model</font></div><div><font face="courier new, monospace">s100.v <- variog(s100, max.dist=1); plot(s100.v)</font></div>
<div><font face="courier new, monospace"><br></font></div><div><font face="courier new, monospace">s100.vf1 <- variofit(s100.v, ini=c(1,.5), weights="equal", cov="exp"); s100.vf1</font></div><div>
<font face="courier new, monospace"># variofit: model parameters estimated by OLS (ordinary least squares):<br>
</font></div><div><div><font face="courier new, monospace"># covariance model is: exponential</font></div><div><font face="courier new, monospace"># parameter estimates:</font></div><div><font face="courier new, monospace"># tausq sigmasq phi </font></div>
<div><font face="courier new, monospace"># 0.1540 1.1505 0.6621 </font></div><div><font face="courier new, monospace"># Practical Range with cor=0.05 for asymptotic range: 1.983401</font></div><div><font face="courier new, monospace"># </font></div>
<div><font face="courier new, monospace"># variofit: minimised sum of squares = 0.0801</font></div></div><div><font face="courier new, monospace"><br></font></div><div><font face="courier new, monospace">s100.vf2 <- variofit(s100.v, ini=c(1,.5), weights="equal", cov="sph"); s100.vf2</font></div>
<div><font face="courier new, monospace"># variofit: model parameters estimated by OLS (ordinary least squares):</font></div><div><font face="courier new, monospace"># covariance model is: spherical</font></div><div><font face="courier new, monospace"># parameter estimates:</font></div>
<div><font face="courier new, monospace"># tausq sigmasq phi </font></div><div><font face="courier new, monospace"># 0.1841 0.8179 0.9487 </font></div><div><font face="courier new, monospace"># Practical Range with cor=0.05 for asymptotic range: 0.9486608</font></div>
<div><font face="courier new, monospace"># </font></div><div><font face="courier new, monospace"># variofit: minimised sum of squares = 0.0727</font></div><div><font face="courier new, monospace"><br></font></div><div><font face="courier new, monospace">plot(s100.v)</font></div>
<div><font face="courier new, monospace">lines.variomodel(s100.vf1, col=2)</font></div><div><font face="courier new, monospace">lines.variomodel(s100.vf2, col=3)</font></div><div><font face="courier new, monospace"><br></font></div>
<div><font face="courier new, monospace">lk1 <- loglik.GRF(s100, obj=s100.vf1); lk1</font></div><div><font face="courier new, monospace">lk2 <- loglik.GRF(s100, obj=s100.vf2); lk2</font></div><div><font face="courier new, monospace"><br>
</font></div><div><font face="courier new, monospace"># ?AIC</font></div><div><font face="courier new, monospace"># AIC = -2*log-likelihood + k*npar</font></div><div><font face="courier new, monospace"># log-like: maximized value of the likelihood function for the estimated model</font></div>
<div><font face="courier new, monospace"><br></font></div><div><font face="courier new, monospace"># parameters <- c("tausq", "sigmasq", "phi") + erro?</font></div><div><font face="courier new, monospace"># npar=3</font></div>
<div><font face="courier new, monospace">npar=4 </font></div><div><font face="courier new, monospace">k=2 # for usual AIC</font></div><div><font face="courier new, monospace"><br></font></div><div><font face="courier new, monospace">aic1 <- -2*lk1+k*npar; aic1</font></div>
<div><font face="courier new, monospace">aic2 <- -2*lk2+k*npar; aic2</font></div><div><span style="font-family:'courier new',monospace">### </code></span><br></div><div><span style="font-family:'courier new',monospace"><br>
</span></div></div></div><br clear="all"><div><div dir="ltr">Éder Comunello <<a href="mailto:comunello.eder@gmail.com" target="_blank">c</a><a href="mailto:omunello.eder@gmail.com" target="_blank">omunello.eder@gmail.com</a>> <br>
Dourados, MS - [22 16.5'S, 54 49'W]<br></div></div>
</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"><br>-- <br>Wagner Hugo Bonat<br>
LEG - Laboratório de Estatística e Geoinformação<br>UFPR - Universidade Federal do Paraná
</div>