Caro Wagner, 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: require(spdep) data(oldcol) nbw = nb2listw(COL.nb, style="W") l1 = lagsarlm(CRIME ~ 1, data=COL.OLD, nbw) e1 = errorsarlm(CRIME ~ 1, data=COL.OLD, nbw) all.equal(logLik(l1), logLik(e1)) O mesmo não ocorre quando há covariáveis: l2 = lagsarlm(CRIME ~ INC + HOVAL, data=COL.OLD, nbw) e2 = errorsarlm(CRIME ~ INC + HOVAL, data=COL.OLD, nbw) all.equal(logLik(l2), logLik(e2)) Na situação particular em que W é simétrica você pode ajustar o modelo CAR para os erros usando spautolm(..., family='CAR'). Exemplo nbb <- nb2listw(COL.nb, style="B") c1 <- spautolm(CRIME ~ 1, data=COL.OLD, listw=nbb, family='CAR') 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. https://stat.ethz.ch/pipermail/r-sig-geo/2013-February/017477.html http://grokbase.com/t/r/r-sig-geo/099npqpram/predict-spautolm 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. Elias On 15/03/16 17:17, Wagner Tassinari wrote:

Olá pessoal, tudo bem ?

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:

columbus.lag <- lagsarlm(CRIME ~ INC + HOVAL,data=columbus, col.listw) columbus.err <- errorsarlm(CRIME ~ INC + HOVAL,data=columbus, col.listw) columbus.gwr = gwr.sel(CRIME ~ INC + HOVAL, data=columbus, adapt=T)

E posso verificar os valores preditos através dos comandos fitted.values 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.

Muito obrigado,

-- Wagner S. Tassinari Departamento de Matemática Universidade Federal Rural do Rio de Janeiro. BR-465, Km 7 - Seropedica, RJ - Brasil CEP: 23890-000 Skype: wagner.tassinari wtassinari@gmail.com <mailto:wtassinari@gmail.com> tassinari@ufrrj.br <mailto:tassinari@ufrrj.br> ------------------------------------------------------- "Statistical thinking will one day be as necessary for efficient citizenship as the ability to read and write." (H.G.Wellis)

_______________________________________________ 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 forne�a c�digo m�nimo reproduz�vel.