Regressão beta geograficamente ponderada

Detalhes bibliográficos
Autor(a) principal: Lima, Andreza de Oliveira
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio.unb.br/handle/10482/20189
http://dx.doi.org/10.26512/2015.12.D.20189
Resumo: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2015.
id UNB_90c4cfbfd8ab4097fe62ddc3f58117e7
oai_identifier_str oai:repositorio.unb.br:10482/20189
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Regressão beta geograficamente ponderadaTaxasRegresão betaAnálise espacial (Estatística)ProporçõesRegressão geograficamente ponderadaDissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2015.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.Linear Regression Models are often used to describe the relationship between a dependent variable and a set of independent variables. However, these models are based on the assumption that the response variable is normally distributed with constant variance and the relations are equal through space. Thus, these models may not be the most appropriate to adjust spatially varying rates and proportions. Beta Regression model deals with rates and proportions and has shown to be a good approach to model these kind of data, since it naturally adapts to variables constrained to a interval of the real line and exhibit heteroskedasticit, common characteristic in these type of data. And to deal with spatial nonstationarity, Geographically Weighted Regression allows variability in the parameters by an extension of the linear regression model, providing a better understanding of the spatial phenomena. Therefore, we propose Geographically Weighted Beta Regression model which puts together the features of the above models such that a better fit is provided in the study of spatial varying continuous variables that are restricted to a interval of the real line. We applied this model to the proportion of households that own telephones in the state of Espírito Santo, Brazil. The results were more appropriate than the global models and Geographically Weighted Regression model.Instituto de Ciências Exatas (IE)Departamento de Estatística (IE EST)Programa de Pós-Graduação em EstatísticaSilva, Alan Ricardo daLima, Andreza de Oliveira2016-05-12T18:12:58Z2016-05-12T18:12:58Z2016-05-122015-12-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfLIMA, Andreza de Oliveira. Regressão beta geograficamente ponderada. 2015. 99 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2015.http://repositorio.unb.br/handle/10482/20189http://dx.doi.org/10.26512/2015.12.D.20189A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-03-01T16:22:34Zoai:repositorio.unb.br:10482/20189Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-03-01T16:22:34Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Regressão beta geograficamente ponderada
title Regressão beta geograficamente ponderada
spellingShingle Regressão beta geograficamente ponderada
Lima, Andreza de Oliveira
Taxas
Regresão beta
Análise espacial (Estatística)
Proporções
Regressão geograficamente ponderada
title_short Regressão beta geograficamente ponderada
title_full Regressão beta geograficamente ponderada
title_fullStr Regressão beta geograficamente ponderada
title_full_unstemmed Regressão beta geograficamente ponderada
title_sort Regressão beta geograficamente ponderada
author Lima, Andreza de Oliveira
author_facet Lima, Andreza de Oliveira
author_role author
dc.contributor.none.fl_str_mv Silva, Alan Ricardo da
dc.contributor.author.fl_str_mv Lima, Andreza de Oliveira
dc.subject.por.fl_str_mv Taxas
Regresão beta
Análise espacial (Estatística)
Proporções
Regressão geograficamente ponderada
topic Taxas
Regresão beta
Análise espacial (Estatística)
Proporções
Regressão geograficamente ponderada
description Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2015.
publishDate 2015
dc.date.none.fl_str_mv 2015-12-11
2016-05-12T18:12:58Z
2016-05-12T18:12:58Z
2016-05-12
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv LIMA, Andreza de Oliveira. Regressão beta geograficamente ponderada. 2015. 99 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2015.
http://repositorio.unb.br/handle/10482/20189
http://dx.doi.org/10.26512/2015.12.D.20189
identifier_str_mv LIMA, Andreza de Oliveira. Regressão beta geograficamente ponderada. 2015. 99 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2015.
url http://repositorio.unb.br/handle/10482/20189
http://dx.doi.org/10.26512/2015.12.D.20189
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508379643576320

Registros relacionados