Variáveis para utilizar no modelo de trend, geoR
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
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
Olá Prof. Paulo Entendi, vou recorrer a segunda opção, assim que obter todos os dados posto aqui os componentes principais. Muito Obrigado pela ajuda! Em 10 de junho de 2015 10:15, Paulo Justiniano <paulojus@leg.ufpr.br> escreveu:
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.
Olá pessoal da lista, dando continuidade ao tópico. 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... 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? Correlação: covariáveis=linhas, e variáveis a ser interpoladas=colunas mu_ANO sigma_ANO Longitude 0,309773523 -0,432319362 Latitude 0,043765763 -0,129590961 mu_ANO 1,000000000 -0,558729500 sigma_ANO -0,558729500 1,000000000 Area -0,009879420 -0,101997684 Prec.med 0,220052743 0,199920162 IEB 0,575548988 -0,895618035 Coe.compa 0,025913684 -0,113029677 Compr.rios -0,007001915 -0,100158610 Compr.talv -0,022198958 -0,117249277 Dens.dren -0,108273840 0,424699634 Difer.cota 0,186748546 -0,244039340 Fator.form -0,268887058 0,241122975 Freq.1ordem -0,060686747 0,416964783 Elev.med -0,143697017 -0,077664652 Decli.med 0,171869648 -0,009019921 Perimetro -0,053893606 -0,174399147 Raz.alonga -0,224942639 0,427795530 Raz.area 0,173208218 -0,131534485 Raz.bifur -0,047975482 0,170262278 Raz.circu -0,027943157 0,114054383 Raz.compr -0,032817978 0,095353852 Raz.decliv 0,048190496 0,291689477 Num.rios -0,007973050 -0,100965060 Diam.topo -0,023412917 -0,149254679 Gráfico Biplot [image: Imagem inline 1] PC1 PC2 PC3 PC4 PC5 PC6 PC7 Standard deviation 2,5661 1,9760 1,8789 1,49395 1,37407 1,23960 Proportion of Variance 0,2634 0,1562 0,1412 0,08928 0,07552 0,06146 Cumulative Proportion 0,2634 0,4196 0,5608 0,65007 0,72560 0,78706 Em 10 de junho de 2015 15:20, Wagner Wolff <wwolff@usp.br> escreveu:
Olá Prof. Paulo
Entendi, vou recorrer a segunda opção, assim que obter todos os dados posto aqui os componentes principais.
Muito Obrigado pela ajuda!
Em 10 de junho de 2015 10:15, Paulo Justiniano <paulojus@leg.ufpr.br> escreveu:
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.
participantes (2)
-
Paulo Justiniano -
Wagner Wolff