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@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.