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

algorítmica do modelo de simulação, no qual cada transição de uso do solo tem os seus
parâmetros de calibração individualmente ajustados.
É válido lembrar que a regressão logística pertence à categoria de modelos lineares
generalizados – GLM ou “Generalized Linear Models” (McCullagh e Nelder, 1989).
Nesses modelos, há um parâmetro natural a ser estimado, para o qual a convergência
assintótica de estimadores é muito rápida. Este parâmetro natural [g(x)] é expresso
como uma função linear de variáveis independentes. Portanto, a regressão logística é
considerada um método robusto, uma vez que ela opera sobre regressões lineares.
5.2.2.2 Análise Exploratória e Seleção de Variáveis
No modelo de regressão logística assim como nos métodos de regressão linear de
maneira geral, a seleção de variáveis independentes é baseada na análise de índices de
correlação entre cada uma delas e a variável de saída, bem como na correlação entre
pares de variáveis independentes.
Uma medida útil para se avaliar colinearidade é a matriz de correlação, que fornece
informação básica sobre os dados de entrada do modelo, indicando o grau de associação
entre duas variáveis independentes e entre uma variável independente e a variável de
saída. O índice de correlação é obtido a partir do conceito de covariância (ΛA,B), que
mede a média total da soma dos produtos entre desvios de variáveis pertencentes a dois
conjuntos de dados numéricos distintos (A,B) em relação às suas respectivas médias:
N
A ,B = 1/N ∑ (x A(i) - x A(i)) (x B(i) - x B(i))
i=1
157
. (5.53)
O índice de correlação (αA,B), por sua vez, indica associação entre dois conjuntos de
dados numéricos com base em uma escala absoluta. Em suma, ele normaliza a
covariância dentro do intervalo [-1, +1], onde valores próximos ou iguais a –1 indicam
correlação negativa, e valores próximos ou iguais a +1, denotam correlação positiva.
Este índice é calculado dividindo-se a covariância pela raiz quadrada do produto entre
as variâncias dos dois conjuntos de dados: