Regressão Geograficamente Ponderada utilizando a Distribuição Binomial Negativa

Abstract

A regressão global pressupõe que um modelo único é adequado para descrever todas as partes da região de estudo. No entanto, a força dos relacionamentos entre variáveis pode não ser espacialmente constante. Além disso, os fatores envolvidos são geralmente tão complexos, que ´é difícil identificá-los na forma de variáveis explanatórias. Muitas vezes, ainda tem-se o problema de tamanho de amostra reduzido. Com isso, surge a Regressão Geograficamente Ponderada (RGP), a fim de mo¬delar dados espaciais não estacionários. Utilizando funções kernel, a RGP gera superfícies não paramétricas das estimativas dos parâmetros. Considerando dados de contagem com superdispersão, o mais adequado ´e utilizar a distribuição Binomial Negativa. Por isso, o presente trabalho propõe o modelo de Regressão Binomial Negativa Geograficamente Ponderada (RBNGP). O modelo aqui proposto permite que os parâmetros β variem espacialmente, no entanto ainda mantém o parâmetro de superdispersão α constante. Neste trabalho, a RBNGP ´e aplicada a um conjunto de dados reais e os resultados obtidos mostram sua superioridade com respeito aos modelos concorrentes, a saber, regressão global - Poisson e Binomial Negativa - e Regressão de Poisson Geograficamente Ponderada.