Regressão beta geograficamente ponderada

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2015.

Nível de Acesso:openAccess
Publication Date:2015
Main Author: Lima, Andreza de Oliveira
Orientador/a: Silva, Alan Ricardo da
Format: Dissertação
Language:por
Online Access:http://repositorio.unb.br/handle/10482/20189
http://dx.doi.org/10.26512/2015.12.D.20189
Citação:LIMA, Andreza de Oliveira. Regressão beta geograficamente ponderada. 2015. 99 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2015.
Resumo inglês:Modelos de Regressão Linear Clássica são comumente utilizados para descrever a relação existente entre uma variável resposta e um conjunto de variáveis explicativas. Entretanto, esse modelo assume que a variável resposta segue distribuição normal com variância constante e que as relações se dão de forma igualitária no espaço. Dessa forma, esse modelo não é o mais adequado para ajustar dados provenientes de taxas ou proporções que possuam variações pelo espaço. Para lidar com as taxas e proporções, o modelo de Regressão Beta tem se mostrado como uma boa alternativa, já que acomoda naturalmente variáveis restritas a algum intervalo da reta real e que possuem heterocedasticidade, característica comum em dados de taxas e proporções. E para atender à heterogeneidade espacial, o modelo de Regressão Geograficamente Ponderada, por meio de uma extensão do modelo de regressão linear, permite que haja variações locais nos parâmetros e com isso proporciona melhor conhecimento do fenômeno espacial em estudo. Neste trabalho propomos o modelo de Regressão Beta Geograficamente Ponderada, de modo que, ao unir as características dos dois modelos supracitados, possa fornecer melhor ajuste no estudo de dados restritos a algum intervalo da reta real e que possuem heterogeneidade espacial. Esse modelo foi aplicado à proporção de domicílios que possuem telefone fixo no estado do Espírito Santo e apresentou resultados mais apropriados que os resultados dos modelos globais e do modelo de Regressão Geograficamente Ponderada.