Análise espacial de dados de contagem por meio de um modelo autorregressivo condicional

Abstract

Com a crescente coleta de dados georreferenciados vivenciada nas últimas décadas, surge a necessidade da utilização de informação da localização geográfica na modelagem dos mais diversos fenômenos científicos, principalmente quando o fenômeno de interesse é estudado em uma região com uma grande heterogeneidade espacial. O foco deste trabalho é no ramo da Estatística Espacial conhecido como Dados de Área. Desta forma, foi analisado um banco de dados contendo o número de óbitos por álcool nas Unidades Federais do Brasil, considerando como variáveis regressoras o sexo do indivíduo e a faixa etária em que está incluso (se possui menos de 30 anos de idade ou se possui 30 anos ou mais de idade). Para isto, foram comparados três modelos segundo o critério DIC, para decidir qual se ajusta melhor a estes dados. O modelo 1 não assume dependência espacial estre as regiões; já o modelo 2, assume dependência espacial por meio de uma priori CAR (Besag et a l., 199 1 [6]); e, por fim, o modelo 3, que assume tanto independência, quanto dependência espacial (esta última também por meio de uma priori CAR). O terceiro modelo foi dividido em três versões (3*, 3** e 3***), devido a resultados não muito satisfatórios obtidos no ajuste do mesmo. Em relação aos resultados, os parâmetros α1 e α2, associados, respectivamente, ao sexo e faixa etária, apresentam estimativas pontuais positivas, o que mostra que, de acordo com este estudo, o fato do indivíduo ser do sexo masculino e ter 30 anos ou mais de idade, aumenta o número de óbitos por ingestão de bebidas alcóolicas. Além disso, concluiu-se que os modelo 3* e 3** apresentam menor variabilidade dos efeitos espaciais u e b. Segundo o critério DIC, o modelo 3**, que possui os dois tipos de efeitos aleatórios (com dependência espacial e com independência), e que considera fixa a precisão dos efeitos que assumem dependência espacial (com priori CAR), é o melhor para ajustar os da dos. Neste projeto utilizou-se uma abordagem completamente Bayesiana. Toda a metodologia foi implementada no software livre R e OpenBUGS