PREDIÇÃO DE DADOS DE ÁREA POR KRIGAGEM NA PRODUÇÃO DE MILHO UTILIZANDO SEMENTES MELHORADAS EM MOÇAMBIQUE
Modelos autorregressivos espaciais, Preditor BLUP, Matriz de ponderação espacial, Erro quadrático médio
Ao se analisar os dados espaciais de área, um dos principais objetivos é avaliar a presença ou não de agrupamentos em um determinado fenómeno. Pode-se dizer que tem sido o principal foco em diversas áreas de pesquisa. Mas, além desse objetivo, um outro não menos importante é estimação dos parâmetros envolvidos por se ajustar um modelo de regressão que incorpore um componente de dependência espacial, uma vez que, não raro, essa dependência estar presente e, por fim, a predição de valores não observados através de preditores próprios nessa área. Pode se dizer que, este último tem sido raro, uma vez que, em dados de área, tem-se trabalhado com informações presentes em cada área de estudo. Um dos desafios imposto, é a especificação da matriz de ponderação espacial, um componente essencial sempre presente. Ela estabelece a vizinhança entre um par ou conjunto de áreas, existindo para tal, diferentes critérios na sua especificação que, de algum modo, pode contribuir para uma especificação não assertiva, comprometendo a qualidade do ajuste do modelo. Portanto, um dos objetivos nesta tese, é avaliar o efeito da matriz de ponderação espacial na qualidade de predição. Associado a esse objetivo, um outro é a proposta de um preditor baseando-se em técnicas de krigagem da geoestatística, uma técnica já bem documentada, além de possuir o melhor preditor linear não viesado (BLUP). Alguns estudos demonstraram que, ao se utilizar esse preditor baseando-se em modelos autorregressivos do erro espacial (SEM), foi possível obter bons resultados na qualidade de predição. Portanto, nesta tese, em vez de se utilizar o modelo SEM com mesmo objetivo, utilizar o modelo espacial autorregressivo de defasagem espacial (SAR) e avaliar o poder predito, com base em duas matrizes de ponderação espacial.