Oi Felipe!
Como anda o desenvolvimento do trabalho???
Miguel,
A idéia que tivemos é a seguinte:
Há um banco de dados com 28 amostras pontuais de dados limnológicos
(turbidez, clorofila e fluorimetro) no rio Amazonas e adjacentes.
Há outros 28 pontos que há somente (turbidez e fluorimetro, que estima clorofila).
Já realizei um modelo de regressão linear multipla, onde a variavel dependente
é fluorimetro e as independentes são turbidez e clorofila, para estimar a clorofila
nesses outros 28 pontos. O modelo não está tão preciso (R2=0.55), pois parece existir
correlação espacial entre as amostras e/ou outros fatores influenciando.
O que preciso fazer agora é verificar independência e normalidade dos resíduos,
e caso não estejam normais nem independentes, será realizada uma regressão espacial,
de modo a incorporar a autocorrelação espacial.
Dificuldades até o momento: testar a autocorrelação dos pontos.
A verificação de agrupamento espacial pelos métodos apresentados
em aula - vizinho + próximo, função K - são suficientes para verificar a autocorrelação?
Lembrando que essas amostras não são eventos mapeados (como registros de homicidios),
mas sim posições pré-definidas antes da coleta. O que estou interessado em saber é se o
valores do atributo - no caso a clorofila - está correlacionados espacialmente e não
a distribuição dos pontos. Por enquanto é isso. Felipe
Oi Felipe. Vamos lá.
"verificação de agrupamento espacial pelos métodos apresentados
em aula - vizinho + próximo, função K - são suficientes para verificar a autocorrelação? "
São métodos para evidenciar a existência e a escala desta autocorrelação. A Função L também.
Mas a sua questão abaixo já traz alguns problemas na análise.
"Lembrando que essas amostras não são eventos mapeados (como registros de homicidios),
mas sim posições pré-definidas antes da coleta. O que estou interessado em saber é se o
valores do atributo - no caso a clorofila - está correlacionados espacialmente e não
a distribuição dos pontos." Lembre-se aqui que voce estar;á verificando se aquela
distribuição de pontos que representam o evento é aleatória ou não. POrtanto você tem razão quando se
preocupa que as amostras são coletadas em pontos já establecidos. Neste caso o melhor mesmo e utilizar a
varigrafia. Ela sera um melhor indicador de aut-correlação para as amostras.
O kernel que utiliza o calor do atributo pode te dar uma
idéia também da da variabilidade da média. Um abraço, Miguel