An - PowerPoint PPT Presentation

About This Presentation
Title:

An

Description:

Geographically Weighted Regression GWR. Regimes Espaciais Regionaliza es da rea de estudo Diferentes tipos de variabilidade espacial M tricas: ... – PowerPoint PPT presentation

Number of Views:53
Avg rating:3.0/5.0
Slides: 29
Provided by: FlaviaF8
Category:

less

Transcript and Presenter's Notes

Title: An


1
Análise Espacial de Áreas Regressão
  • Análise Espacial de Dados Geográficos
  • SER-303
  • Novembro/2005 (Flávia Feitosa)

2
Análise de Regressão
  • Descreve ou estima uma variável dependente (Y) a
    partir de seu relacionamento com variáveis
    independentes (X)
  • Ex Y aX b
  • Objetivos
  • Determinar como (e se) duas ou mais variáveis se
    relacionam.
  • Descrever como as variáveis se relacionam
    (função).
  • Prever valores futuros da variável dependente
    (Y).

3
Regressão Linear Simples
  • Yi?0?1Xi ?i

  • Yi é o valor da variável dependente na i-ésima
    observação
  • ?0 e ?1 são parâmetros
  • Xi é uma constante conhecida é o valor da
    variável independente na i-ésima observação
  • ?i é um termo de erro aleatório com distribuição
    normal, média zero e variância constante ?2
    (E(?i )0 e ?2 (?i ) ?2 )
  • ?i e ?j são não correlacionados (independentes)
    para i ? j

4
Modelo de Regressão Linear
Yib0b1Xi ?i Yi-Yi
Modelo estimado
Resíduo
5
Regressão Linear Múltipla
  • Yi?0?1Xi1 ?2Xi2 ?pXip ?i
  • Yi é o valor da variável dependente na i-ésima
    observação
  • ?0, , ?p são parâmetros
  • Xi1 ,,Xip são os valores das variáveis
    independentes na i-ésima observação
  • ?i é um termo de erro aleatório com distribuição
    normal, média zero e variância constante ?2
    (E(?i )0 e ?2 (?i ) ?2 )
  • ?i e ?j são não correlacionados (independentes)
    para i ? j

6
Coeficiente de Determinação
  • Análise de Variância
  • SQTo SQReg SQRes
  • Coeficiente de determinação R2SQReg/SQTo
  • Proporção da variância total de Y que é
    explicada pela equação de regressão.
  • Varia entre 0 e 1
  • Quanto mais próximo de 1, melhor o ajuste do
    modelo.

7
Análise da Aptidão do Modelo
  • Análise dos Resíduos Verificar
  • Se função de regressão é linear

8
Análise da Aptidão do Modelo
  • Análise dos Resíduos Verificar
  • Se os erros possuem variância constante
    (homocedasticidade)

9
Análise da Aptidão do Modelo
  • Análise dos Resíduos Verificar
  • Se os erros são independentes

10
Análise da Aptidão do Modelo
  • Análise dos Resíduos Verificar
  • A presença de outliers

11
Análise da Aptidão do Modelo
  • Análise dos Resíduos Verificar
  • Se erros são normalmente distribuídos

12
Análise da Aptidão do Modelo
  • Análise dos Resíduos Modelo Adequado

13
Análise da Aptidão do Modelo
  • Análise dos Resíduos DADOS ESPACIAIS
  • Hipótese de independência das observações em
    geral é Falsa ? Dependência Espacial
  • Efeitos Espaciais
  • Se existir forte tendência ou correlação
    espacial, os resultados serão influenciados,
    apresentando associação estatística onde não
    existe (e vice-versa).
  • Como verificar?
  • Medir a autocorrelação espacial dos resíduos da
    regressão (Índice de Moran dos resíduos)

14
Exemplo
  • São José dos Campos
  • Crescimento Populacional 91-00 X Densidade
    Populacional 91
  • Índice de Moran sobre mapa de resíduos
  • I0,45
  • Testes de pseudo-significância indicam
    autocorrelação espacial

15
Regressão Espacial
  • Autocorrelação espacial constatada!
  • E agora?
  • Modelos de regressão que incorporam efeitos
    espaciais
  • Globais utilizam um único parâmetro para
    capturar a estrutura de correlação espacial
  • Locais parâmetros variam continuamente no espaço

16
Modelos com Efeitos Espaciais Globais
  • Suposição
  • É possível capturar a estrutura de correlação
    espacial num único parâmetro (adicionado ao
    modelo de regressão).
  • Alternativas
  • Spatial Lag Models atribuem a autocorrelação
    espacial à variável dependente Y.
  • Spatial Error Models atribuem a autocorrelação
    ao erro.

17
Spatial Lag Model
  • Suposição
  • a variável yi depende dos valores da variável
    dependente nas áreas vizinhas a i
  • Y ?WY X? ?
  • ? medida de correlação espacial
  • ? 0, se autocorrelação é nula
  • W matriz de proximidade espacial

18
Spatial Error Model
  • Efeitos espaciais são um ruído
  • Y X? ?
  • ? ?W ? ?
  • W? erro com efeitos espaciais
  • ? medida de correlação espacial
  • ? componente do erro com variância constante e
    não correlacionada.

19
Spatial Lag Model X Spatial Error Model
  • Motivações diferentes, porém próximos em termos
    formais.
  • Premissa processo espacial analisado é
    estacionário e pode ser capturado em um único
    parâmetro.
  • Porém isto nem sempre é verdade!
  • Verificar se padões diversos de associação
    espacial estão presentes.
  • Indicadores Locais de Autocorrelação Espacial

20
Indicadores Locais de Variabilidade Espacial
  • distribuição dos valores de correlação local para
    o índice de exclusão

21
Modelos com Efeitos Espaciais Locais
  • Modelos de Regressão com Efeitos Espaciais
    Discretos
  • variações espaciais modeladas de maneira
    discreta.
  • Regimes espaciais
  • Modelos de Regressão com Efeitos Espaciais
    Contínuos
  • variações espaciais modeladas de forma contínua,
    com parâmetros variando no espaço.
  • Geographically Weighted Regression GWR.

22
Regimes Espaciais
  • Regionalizações da área de estudo
  • Diferentes tipos de variabilidade espacial
  • Métricas Diagrama de espalhamento e índices
    locais e globais
  • Ex Regimes espaciais para índice de exclusão

23
Regimes Espaciais x Regiões Administrativas
24
Impacto de Regimes Espaciais
  • Análise de Regressão
  • Idosos f ( Domicílios Sem Esgoto)
  • Regressão Linear
  • R2 0,35
  • Regressão Espacial
  • Regiões Adm (R2 0,72)
  • Regimes Espaciais (R2 0,83)
  • Para dados socioeconômicos
  • modelo de regimes espaciais tende a apresentar
    resultados melhores que os de regressão simples
    ou de regressão espacial com efeitos globais.

25
GWR geographically weighted regression
  • Ajusta um modelo de regressão a cada ponto
    observado, ponderando todas as demais observações
    como função da distância deste ponto.
  • Y(s) ?(s)X ?
  • Y(s) variável que representa o processo no ponto
    s.
  • ?(s) parâmetros estimados no ponto s.

26
GWR geographically weighted regression
  • Os parâmetros podem ser apresentados visualmente
    para identificar como se comportam espacialmente
    os relacionamentos entre as variáveis.
  • Ex Crescimento Pop. (dependente) X Densidade
    Pop. (independente)

27
GWR geographically weighted regression
  • Ex Crescimento Pop. (dependente) X Densidade
    Pop. (independente)
  • Mapa de resíduos (I 0,04)

28
Softwares
  • GeoDa
  • Índice de Moran, LISA maps, Regressão Clássica e
    Espacial (Spatial Lag Spatial Error)
  • SPRING e Terraview
  • Índice de Moran, LISA maps
  • SpaceStat
  • Regressão Clássica e Espacial (Spatial Lag
    Spatial Error)
  • R, aRT TerraView
  • Regressão Clássica, Espacial (Spatial Lag
    Spatial Error) e GWR
  • GWR 3.0
  • Regressão Clássica e Espacial (GWR)
Write a Comment
User Comments (0)
About PowerShow.com