| dc.contributor | BASTIANI, Fernanda de | |
| dc.contributor | STASINOPOULOS, Dimitrios | |
| dc.contributor | http://lattes.cnpq.br/0785600839904735 | |
| dc.contributor | http://lattes.cnpq.br/5519064508209103 | |
| dc.contributor | http://lattes.cnpq.br/1974573341365211 | |
| dc.creator | OLIVEIRA, Lucas de Miranda | |
| dc.date | 2019-10-11T19:37:11Z | |
| dc.date | 2019-10-11T19:37:11Z | |
| dc.date | 2019-07-25 | |
| dc.date.accessioned | 2022-10-06T16:52:42Z | |
| dc.date.available | 2022-10-06T16:52:42Z | |
| dc.identifier | https://repositorio.ufpe.br/handle/123456789/34511 | |
| dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/3984699 | |
| dc.description | In spatial data analysis the data are indexed by a set of locations in space, the way this set is defined separates spatial statistics into three areas: Geostatistics, models for Areal data, and Point Process. In this work we will focus on the models for areal data, specifically in the simultaneous autoregressive (SAR) models, which has applications in many fields such as Ecology, Public Health, Texture Analysis and Spatial Econometrics. It is proposed to implement the SAR models within the generalized additive models for location, scale, and shape (GAMLSS), allowing to consider any type of distribution to fit the data, and to model all the parameters of a distributions as function of the explanatory variables. The implementation of this procedure within GAMLSS is made considering the connection between random effects and penalized smoothers, and the relationship of the SAR and conditional autoregressive (CAR) models. An efficient algorithm was implemented to construct the penalty matrix compatible with general scope of penalization methods. Monte Carlo simulation studies were conducted with the purpose of evaluating the properties of the regression coefficients estimators of the SAR-GAMLSS models in the context of finite samples and with different probability distributions for the response variable. The methodology was applied to the analysis of house prices and also to the study of income inequality in the State of Pernambuco, Brazil, considering the spatial structure of the regions in the analysis. | |
| dc.description | CAPES | |
| dc.description | Na análise de dados espacias os dados são indexados por um conjunto de localizações no espaço, este separa a estatística espacial em três áreas: Geoestatística, modelos para dados de Área e Processos Pontuais. Este trabalho concentra-se nos modelos para dados de área, especificamente nos modelos autoregressivos simultâneos (SAR), que possui diversas aplicações nas áreas de Ecologia, Saúde Pública, Análise de Textura e Econometria Espacial. Propomos a implementação dos modelos SAR nos modelos aditivos generalizados para locação, escala e forma (GAMLSS), permitindo considerar qualquer tipo de função de distribuição para ajuste dos dados, e modelar todos os parâmetros da distribuição como função de variáveis explicativas. O procedimento de implementação nos GAMLSS é feito considerando a conexão existente entre termos de efeitos aleatórios e suavizadores penalizados, e a relação entre os SAR e modelos autoregressivos condicionais (CAR). Um algoritmo eficiente foi implementado para construção da matriz de penalidade compatível com o escopo geral dos métodos de penalização. Estudos de simulação de Monte Carlo foram realizados com o propósito avaliar as propriedades do estimadores dos coeficientes de regressão do modelos SAR-GAMLSS no contexto de amostras finitas, e com distintas funções de probabilidade para a variável resposta. Aplicamos a metodologia à análise dos preços de residências e também ao estudo da desigualdade de renda no Estado de Pernambuco, Brasil, em ambos levando em consideração a estrutura espacial das regiões. | |
| dc.format | application/pdf | |
| dc.language | eng | |
| dc.publisher | Universidade Federal de Pernambuco | |
| dc.publisher | UFPE | |
| dc.publisher | Brasil | |
| dc.publisher | Programa de Pos Graduacao em Estatistica | |
| dc.rights | embargoedAccess | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
| dc.subject | Estatística | |
| dc.subject | Estatística espacial | |
| dc.subject | Autoregressão simultânea | |
| dc.title | Spatial autoregressive models for areal data within gamlss | |
| dc.type | masterThesis | |
