Estimação em regressão inversa no modelo CAR espacial

• Ano de defesa: 2017
• Autor(a) principal: Souza, Tadeu Vilela de
• Orientador(a): Scalon, João Domingos
• Banca de defesa: Lima, Renato Ribeiro, Oliveira, Marcelo Silva, Brighenti, Carla Regina Guimarães, Cordeiro, Liliane Lopes
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-Graduação em Estatística e Experimentação Agropecuária
• Departamento: Departamento de Ciências Exatas
• País: brasil
• Palavras-chave em Português: Regressão inversa; Dependência espacial; Estimador pontual; Estimador intervalar; Imputação; Regression inverse; Spatial dependence; Point estimator; Interval estimator; Imputation
• Área do conhecimento CNPq: Estatística
• Link de acesso: https://repositorio.ufla.br/handle/1/12728

Regressão inversa ou calibração estatística é uma técnica estatística utilizada em situações em que, por meio da análise de regressão, deseja-se estimar um valor desconhecido da variável independente dado o valor da variável dependente. Métodos para a estimação pontual e intervalar na regressão inversa para esse valor desconhecido estão disponíveis na literatura. Porém, observa-se que são escassos os métodos que considerem a informação espacial dos dados no processo de estimação na regressão inversa. O objetivo principal desta tese é propor a regressão espacial inversa ou calibração espacial por meio de métodos para a estimação pontual e intervalar do valor desconhecido da variável independente utilizando um modelo que considere a estrutura de dependência espacial em dados de área. Esses estimadores foram construídos a partir de um modelo do erro espacial ou modelo condicional autorregressivo (CAR) e aplicados em dados reais que caracterizam um problema de calibração espacial. Os resultados obtidos mostram que a regressão espacial inversa é apropriada na análise dados de área com dependência espacial, fornecendo um ferramenta útil para casos que configurem a necessidade de se obter o valor de uma variável independente conhecendo-se o valor da variável dependente. Observa-se também que, um grande potencial que esse modelo de regressão espacial inversa tem, está no fato de que ele pode ser um método eficiente de imputação, em casos específicos, de dados faltantes na análise de dados de área.