<html>
<head>
<meta content="text/html; charset=utf-8" http-equiv="Content-Type">
</head>
<body bgcolor="#FFFFFF" text="#000000">
Caro Wagner, <br>
<br>
Tanto errorsarlm() quanto lagsarlm() consideram o modelo SAR, um
para os resíduos e outro para a resposta (ou preditor). Um pode ser
visto reparametrização do outro quando não há covariáveis. Veja que
nesta situação a verossimilhança é a mesma:<br>
<br>
require(spdep)<br>
data(oldcol)<br>
nbw = nb2listw(COL.nb, style="W")<br>
l1 = lagsarlm(CRIME ~ 1, data=COL.OLD, nbw)<br>
e1 = errorsarlm(CRIME ~ 1, data=COL.OLD, nbw)<br>
all.equal(logLik(l1), logLik(e1))<br>
<br>
O mesmo não ocorre quando há covariáveis:<br>
<br>
l2 = lagsarlm(CRIME ~ INC + HOVAL, data=COL.OLD, nbw)<br>
e2 = errorsarlm(CRIME ~ INC + HOVAL, data=COL.OLD, nbw)<br>
all.equal(logLik(l2), logLik(e2))<br>
<br>
Na situação particular em que W é simétrica você pode ajustar o
modelo CAR para os erros usando spautolm(..., family='CAR'). Exemplo<br>
<br>
nbb <- nb2listw(COL.nb, style="B")<br>
c1 <- spautolm(CRIME ~ 1, data=COL.OLD, listw=nbb, family='CAR')<br>
<br>
<br>
Sugiro você ler as duas threads abaixo antes de fazer predição. A
primeira é sobre a diferença de spautolm() e considerar glm com uma
covariável construida a partir de média nos vizinhos. A segunda é
sobre predição.<br>
<a class="moz-txt-link-freetext" href="https://stat.ethz.ch/pipermail/r-sig-geo/2013-February/017477.html">https://stat.ethz.ch/pipermail/r-sig-geo/2013-February/017477.html</a><br>
<a class="moz-txt-link-freetext" href="http://grokbase.com/t/r/r-sig-geo/099npqpram/predict-spautolm">http://grokbase.com/t/r/r-sig-geo/099npqpram/predict-spautolm</a><br>
<br>
Quanto a GWR, eu acho problemático estimar 'n' regressões ponderadas
e efetuar 'n' testes de hipoteses (já é problemático 1, imagine n?).
Sugiro usar a alternativa Bayesiana, isto é, colocar uma priori que
induz dependência espacial nos coeficientes.<br>
<br>
Elias<br>
<br>
<div class="moz-cite-prefix">On 15/03/16 17:17, Wagner Tassinari
wrote:<br>
</div>
<blockquote
cite="mid:CAFOcm=8OOub7Ljp7ZRJb66EQXo7KZitN5y0uKnDTKKC41dY3TA@mail.gmail.com"
type="cite">
<div dir="ltr">Olá pessoal, tudo bem ?
<div><br>
</div>
<div>Preciso trabalhar com os modelos espaciais SAR, CAR e GWR,
para isso peguei um material do Luc Anselin para estudar a
respeito do assunto. Observei que os modelos SAR e CAR podem
ser ajustados por estes comandos:
<div><br>
</div>
<div>columbus.lag <- lagsarlm(CRIME ~ INC +
HOVAL,data=columbus, col.listw)
<div>columbus.err <- errorsarlm(CRIME ~ INC +
HOVAL,data=columbus, col.listw)</div>
<div>columbus.gwr = gwr.sel(CRIME ~ INC + HOVAL,
data=columbus, adapt=T) <br>
</div>
<div><br>
</div>
<div>E posso verificar os valores preditos através dos
comandos fitted.values</div>
<div>Mas eu tenho uma amostra de 25 observações para poder
validar o valor predito (Y_hat) destes modelos. Qual seria
o comando para eu poder essas previsões ? Sera que existe
um material que vocês indicariam para estudar ? Sei que no
modelo GWR essa estimativa seria mais difícil, já que
existirá um coef. de regressão para cada polígono.</div>
<div><br>
</div>
<div>Muito obrigado,<br clear="all">
<div><br>
</div>
-- <br>
<div class="gmail_signature">Wagner S. Tassinari<br>
Departamento de Matemática<br>
Universidade Federal Rural do Rio de Janeiro.<br>
BR-465, Km 7 - Seropedica, RJ - Brasil<br>
CEP: 23890-000 <br>
Skype: wagner.tassinari<br>
<a moz-do-not-send="true"
href="mailto:wtassinari@gmail.com" target="_blank">wtassinari@gmail.com</a><br>
<a moz-do-not-send="true"
href="mailto:tassinari@ufrrj.br" target="_blank">tassinari@ufrrj.br</a><br>
-------------------------------------------------------<br>
"Statistical thinking will one day be as necessary for
efficient citizenship as the ability to read and
write." (H.G.Wellis)<br>
</div>
</div>
</div>
</div>
</div>
<br>
<fieldset class="mimeAttachmentHeader"></fieldset>
<br>
<pre wrap="">_______________________________________________
R-br mailing list
<a class="moz-txt-link-abbreviated" href="mailto:R-br@listas.c3sl.ufpr.br">R-br@listas.c3sl.ufpr.br</a>
<a class="moz-txt-link-freetext" href="https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br">https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br</a>
Leia o guia de postagem (<a class="moz-txt-link-freetext" href="http://www.leg.ufpr.br/r-br-guia">http://www.leg.ufpr.br/r-br-guia</a>) e forne�a c�digo m�nimo reproduz�vel.</pre>
</blockquote>
<br>
</body>
</html>