RESUMO:Este trabalho apresenta o Modelo de Regressão Espacial Autorregressivo Misto (SAR) e Modelo do Erro Espacial (CAR) no intuito de investigar a associação entre a produtividade da soja e as variáveis agrometeorológicas relacionadas à precipitação pluvial, temperatura média e radiação solar global. O estudo foi realizado com os dados das safras dos anos agrícolas de 2005/2006 a 2007/2008, da região oeste do estado do Paraná. Como os dados agrometeorológicos estão disponíveis apenas para oito municípios da região em estudo, as estimativas foram obtidas por meio do uso de Polígonos de Thiessen. A estimativa de parâmetros dos modelos ajustados foi obtida utilizando o método de Máxima Verossimilhança. A avaliação do desempenho dos modelos foi realizada com base no coeficiente de determinação (R 2 ), no máximo valor do logaritmo da função verossimilhança e no critério de informação bayesiano de Schwarz (BIC). Este estudo também permitiu verificar a correlação e autocorrelação espacial entre a produtividade da soja e os elementos agrometeorológicos, por meio da análise espacial de área, usando de técnicas como o índice I de Moran Global e Local uni e bivariado, e os testes de significância. O estudo pôde demonstrar que, por meio dos indicadores de desempenho utilizados, os modelos SAR e CAR ofereceram melhores resultados em relação ao modelo de regressão múltipla clássica. As the agrometeorological data are available only for eight cities of the region in study, the estimates were obtained through the use of Thiessen polygons. The estimation of the parameters of the adjusted models was obtained using the method of maximum likelihood. The evaluation of the performance of models was held based on the coefficient of determination (R²), maximum value of the logarithm of the likelihood function and Bayesian Information Criterion of Schwarz (BIC). This study also allowed to verify the correlation and the spatial autocorrelation between soybean yield and the agrometeorological factors by analyzing spatial area, by uses of Global and Local uni and bivariate and significance tests. The study demonstrated that by means of performance indicators used, the SAR and CAR models offered better results than the classical multiple regression model. PALAVRAS-CHAVE: autocorrelação espacial, estatística espacial de área, modelos espaciais SAR e CAR. SPATIAL REGRESSION MODEL FOR SOYBEAN CROP IN THE WESTERN
RESUMO:O presente trabalho realizou uma análise de agrupamentos espacial por meio da estatística multivariada, no intuito de investigar a relação entre a produtividade da soja e as seguintes variáveis agrometeorológicas: precipitação pluvial, temperatura média do ar, radiação solar global e índice local de Moran (LISA) da produtividade. O estudo foi realizado com os dados das safras dos anos agrícolas de 2000/2001 a 2007/2008 da região oeste do Estado do Paraná. A identificação do número adequado de clusters para cada ano-safra foi obtida utilizando a minimização de desvios. O estudo mostrou a formação de grupos de municípios utilizando as similaridades das variáveis em análise. A análise de agrupamento foi um instrumento útil para melhor gestão das atividades de produção da agricultura, em função de que, com o agrupamento, foi possível estabelecer similaridades que proporcionem parâmetros para melhor gestão dos processos de produção que traga, quantitativa e qualitativamente, resultados almejados pelo agricultor. PALAVRAS-CHAVE:Estatística espacial de área; similaridade espacial; estatística multivariada. The identification of the appropriate number of clusters for each crop year was obtained using the minimization of deviations. The study showed that it is possible to form groups of municipalities using the similarities of the variables under consideration. Cluster analysis is a useful tool for better management of production activities of agriculture, according to which the grouping is possible to establish similarities that provide parameters for better management of production processes that bring both quantitatively and qualitatively, results sought by the farmer. CLUSTER ANALYSIS OF SPATIAL VARIABILITY OF SOYBEAN PRODUCTIVITY AND AGROMETEOROLOGICAL VARIABLES FROM WESTERN REGION OF THE KEYWORDS:Spatial statistics area; spatial similarity; multivariate analysis. INTRODUÇÃOO estudo da correlação de dados agrometeorológicos em relação à produtividade da soja tem sido um grande desafio devido à complexidade das inter-relações existentes entre estes fatores. O emprego de métodos estatísticos multidimensionais torna-se, portanto, uma técnica fundamental na análise dessas inter-relações, já que é considerada também a localização dos dados.A análise multivariada conta com a análise de agrupamento (cluster analysis) que identifica grupos em objetos de dados multivariados, cujo objetivo é formar grupos com propriedades homogêneas entre os elementos amostrais (HÄRDLE & SIMAR, 2007). A análise de agrupamentos é utilizada quando se deseja explorar as similaridades entre indivíduos, definindo-os em grupos,
This study aimed to identify areas that showed spatial autocorrelation for corn yield and its predictive variables (i.e., average air temperature, rainfall, solar radiation, soil agricultural potential and altitude) and to determine the most appropriate spatial regression model to explain this culture. The study was conducted using data from the municipalities of the state of Paraná relating to the summer harvests in
Apesar das significativas mudanças trazidas pelo pregão eletrônico, estudos demonstram a recorrência de problemas com as contratações por intermédio da ferramenta, gerando incerteza e custos nas contratações públicas. Neste artigo o objetivo foi identificar as incertezas nas contratações públicas realizadas por intermédio do pregão eletrônico. Tomando como base a abordagem teórica da Economia dos Custos de Transação. A coleta de dados envolveu a pesquisa documental, bibliográfica e a pesquisa de campo em uma Instituição Pública Federal do Paraná. A análise das informações obtidas foi realizada sob o enfoque da análise de conteúdo, complementada pela análise do discurso. A pesquisa evidenciou a presença da incerteza comportamental discutida pela teoria base apresentada. Essa incerteza é fruto da racionalidade limitada dos pregoeiros e requisitantes e do comportamento oportunista dos fornecedores. As evidências da pesquisa associadas à teoria base permitiram concluir que as contratações por intermédio do pregão eletrônico geram custos de transação ex-ante e ex-post para a instituição estudada. Assim, a revisão dos métodos utilizados na descrição dos produtos e serviços e capacitações podem significar caminhos para redução das incertezas do pregão eletrônico e obtenção de maior eficiência para a instituição analisada. PALAVRAS-CHAVE:Compras públicas. Oportunismo. Racionalidade Limitada.
This paper presents a study related to soybean productivity in the west region of Parana, demonstrating how to apply some spatial analysis techniques of area using the software R. The study was conducted with data of soybeans in the period 2007/2008 to 48 municipalities. The Moran Global Index, Moran Local Index and Geary Index techniques were used to verify correlation and spatial autocorrection, these procedures were performed with the libraries spdep, sp, maptools and rcolorbrewer of the software R. Through this study it was possible to demonstrate the applicability of the software R for spatial analysis of the area, and the steps of how to generate maps for better understanding of the information studied.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.