Verossimilhança na seleção de modelos para predição espacial

Na modelagem estatística da variabilidade espacial, estimam-se os parâmetros da dependência espacial, que são utilizados na interpolação de valores em locais não amostrados. Para tal, o processo de modelagem deve ser realizado com critérios estatísticos que garantam predições confiáveis e representem a real variabilidade local. Este trabalho avaliou diferentes formulações do modelo geoestatístico gaussiano para reconstituir a superfície que representa o fósforo (P) na área, a partir de medições dos teores de P em 48 parcelas experimentais localizadas em Xanxerê, SC, destacando o método utilizado nas análises. A combinação da presença de covariáveis no modelo e a necessidade de transformação para normalidade dos dados definiram quatro alternativas para modelagem. Utilizou-se a função de correlação de Matèrn, avaliada nos valores 0,5; 1,5; e 2,5 para parâmetro de suavidade. Os modelos foram comparados pelo valor maximizado do logaritmo da função de verossimilhança e também por validação cruzada. O modelo selecionado foi o que incorporou a variável resposta transformada, as coordenadas da área como covariáveis e o valor 0,5 para o parâmetro de suavidade. As medidas de validação cruzada pouco acrescentaram aos resultados de comparação por verossimilhança, que evidenciaram que na modelagem geoestatística, o cuidado com observações globais ou locais atípicas, além da seleção com base em diferentes modelos, deve ser o foco para obter resultados compatíveis com a realidade.