Simulação da qualidade de cafés utilizando critérios da ABIC na discriminação de regiões com diferentes estruturas de dependência espacial

Resumo

O artigo aborda a aplicação da análise discriminante em dados de proporção com dependência espacial, com foco na discriminação de cafés especiais em microrregiões simuladas. Utilizando simulações Monte Carlo, o estudo explora cenários com diferentes níveis de dependência espacial e funções de ligação, comparando os efeitos de modelos de semivariograma (esférico, exponencial e gaussiano) sobre a acurácia e precisão das análises. Os resultados indicam que a análise discriminante quadrática tende a ser mais eficaz para amostras menores (n = 25), enquanto a dependência espacial forte favorece o modelo exponencial, melhorando a especificidade e reduzindo a taxa de falso positivo com o aumento de n. Ao empregar a função de ligação complemento log-log, padrões semelhantes são observados, com o modelo gaussiano se destacando em amostras maiores. O estudo destaca a importância de escolher o modelo apropriado com base em fatores como dependência espacial, tamanho da amostra e função de ligação para garantir resultados precisos. O equilíbrio entre especificidade e sensibilidade é crucial na decisão final, evidenciando a necessidade de uma abordagem criteriosa para a análise de dados de proporção com dependência espacial.