<div dir="ltr"><div><div>Olá pessoal da lista, dando continuidade ao tópico.<br><br>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... <br></div>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?<br><br>Correlação: covariáveis=linhas, e variáveis a ser interpoladas=colunas<br><br> mu_ANO sigma_ANO <br>Longitude 0,309773523 -0,432319362 <br>Latitude 0,043765763 -0,129590961 <br>mu_ANO 1,000000000 -0,558729500 <br>sigma_ANO -0,558729500 1,000000000 <br>Area -0,009879420 -0,101997684 <br>Prec.med 0,220052743 0,199920162 <br>IEB 0,575548988 -0,895618035 <br>Coe.compa 0,025913684 -0,113029677 <br>Compr.rios -0,007001915 -0,100158610 <br>Compr.talv -0,022198958 -0,117249277 <br>Dens.dren -0,108273840 0,424699634 <br>Difer.cota 0,186748546 -0,244039340 <br>Fator.form -0,268887058 0,241122975 <br>Freq.1ordem -0,060686747 0,416964783 <br>Elev.med -0,143697017 -0,077664652 <br>Decli.med 0,171869648 -0,009019921 <br>Perimetro -0,053893606 -0,174399147 <br>Raz.alonga -0,224942639 0,427795530 <br>Raz.area 0,173208218 -0,131534485 <br>Raz.bifur -0,047975482 0,170262278 <br>Raz.circu -0,027943157 0,114054383 <br>Raz.compr -0,032817978 0,095353852 <br>Raz.decliv 0,048190496 0,291689477 <br>Num.rios -0,007973050 -0,100965060 <br>Diam.topo -0,023412917 -0,149254679 <br><br></div>Gráfico Biplot<br><div><br><img alt="Imagem inline 1" src="cid:ii_14e78622a0842e5d" height="465" width="473"><br><br> PC1 PC2 PC3 PC4 PC5 PC6 PC7<br>Standard deviation 2,5661 1,9760 1,8789 1,49395 1,37407 1,23960 <br>Proportion of Variance 0,2634 0,1562 0,1412 0,08928 0,07552 0,06146 <br>Cumulative Proportion 0,2634 0,4196 0,5608 0,65007 0,72560 0,78706 <br><br></div></div><div class="gmail_extra"><br><div class="gmail_quote">Em 10 de junho de 2015 15:20, Wagner Wolff <span dir="ltr"><<a href="mailto:wwolff@usp.br" target="_blank">wwolff@usp.br</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">Olá Prof. Paulo <div><br></div><div>Entendi, vou recorrer a segunda opção, assim que obter todos os dados posto aqui os componentes principais. </div><div><br></div><div>Muito Obrigado pela ajuda!</div></div><div class="gmail_extra"><br><div class="gmail_quote"><div><div class="h5">Em 10 de junho de 2015 10:15, Paulo Justiniano <span dir="ltr"><<a href="mailto:paulojus@leg.ufpr.br" target="_blank">paulojus@leg.ufpr.br</a>></span> escreveu:<br></div></div><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div><div class="h5">Wagner<br>
<br>
Inicialmente vejo duas formas de pensar no uso destas "potenciais" covariáveis:<br>
<br>
1. fazer uma seleção de variáveis ficando apenas com aquelas realmente assocuiadas com a resposta.<br>
Por exemplo poderia usar um metodo stepwise (mesmo ignorando dependencia espacial) com um criterio de entrada mais parcimonioso.<br>
É possível fazer isto no modelo espacial tb incluindo as veriáveis e comparando ajustes, mas não existe um stepwise implementado para isto<br>
<br>
2. Construir (co)variáveis a partir destas 10 atraves, por exemplo de analise de componentes principais ou fatorial.<br>
Neste caso voce parte do principio que não que selecionar covariáveis<br>
originais ou interpretar cada uma delas individualmente (embora alguns componentes ou fatores possam vir a ser interpretaveis na sua composição.<br>
Estou supondo aqui que as coveriáveis são contínuas<br>
<br>
Note que em um caso ou outro voce vai precisar dos valores<br>
nos pontos de predição tb na hora da interpolação.<div><div><br>
<br>
<br>
<br>
On Sun, 7 Jun 2015, Wagner Wolff wrote:<br>
<br>
<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">
Olá pessoal da lista!<br>
<br>
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<br>
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,<br>
antes de testar o AIC. Sendo assim minha pergunta é:<br>
<br>
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<br>
AIC?<br>
<br>
É válido fazer um gráfico Biplot para analisar isso ou a matriz de correlação já seria suficiente?<br>
<br>
Obrigado pela atenção!<br>
Wagner Wolff<br>
<br>
</blockquote>
</div></div><br></div></div>_______________________________________________<br>
R-br mailing list<br>
<a href="mailto:R-br@listas.c3sl.ufpr.br" target="_blank">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></div>
</blockquote></div><br></div>