Modelagem da dinâmica espacial como uma ... - mtc-m12:80 - Inpe

as em ß. Em ambos os modelos de regressão logística, binário e politômico, a solução
das equações de verossimilhança requer métodos iterativos, usualmente disponíveis em
pacotes estatísticos.
O objetivo de qualquer modelo estatístico de regressão é selecionar o mínimo, e ao
mesmo tempo, o melhor conjunto de variáveis de entrada para explicar um certo
fenômeno (Neter e Wasserman, 1974). Em outras palavras, e meta é extrair o conjunto
mais parsimonioso de variáveis independentes para integrar o modelo final de regressão.
Com este propósito, o método “backward stepwise” foi adotado para a seleção do
conjunto final de variáveis independentes. O modelo inicial incluiu todas as variáveis e
excluiu a variável menos significante a cada passo. A significância foi avaliada com
base no teste qui-quadrado de Wald e na estatística G. O teste de Wald é obtido pela
comparação entre o parâmetro estimado de máxima verossimilhança, ßi , e o seu erro
padrão estimado. A estatística G, por sua vez, avalia o modelo com uma certa variável
inclusa em relação ao modelo sem essa mesma variável (Hosmer e Lemeshow, 1989).
As fórmulas para estes testes de significância são dadas abaixo:
e
onde
W = ß i
(SE) ß i
G = - 2 {L ( ß i) - [n 1 ln (n 1) + n 0 ln (n 0) - n ln (n)]}
, e .
n 1 = ∑ y i n 0 = ∑ 1 - y i n =n 1 + n 0
155
(5.51)
, (5.52)
O modelo é aceito quando todas as variáveis independentes são significantes no nível
0,05 e a perda da estatística G permanece inferior a 5% (Soares-Filho et al. 2001).