Comparação de Modelos Espaciais na Análise do Consumo Hídrico no Brasil: OLS, Spatial Lag e Spatial Error

Autores/as

DOI:

https://doi.org/10.5281/zenodo.16593645

Palabras clave:

Regressão espacial, Consumo de água., Renda, GeoDa, Comparação de modelos

Resumen

Este artigo tem como objetivo comparar o desempenho de três abordagens estatísticas: Regressão Linear Clássica (OLS), Spatial Lag Model (SLM) e Spatial Error Model (SEM), aplicadas à análise da relação entre o consumo de água per capita e a renda per capita no Brasil. Utilizando dados georreferenciados e matriz de vizinhança do tipo rainha, os modelos foram estimados no software GeoDa. Os resultados revelam autocorrelação espacial significativa nos resíduos do modelo OLS, o que compromete sua validade. Modelos espaciais melhoraram substancialmente o ajuste, sendo o Modelo de Erro Espacial (SEM) o mais adequado para os dados analisados. A pesquisa destaca a importância de incorporar a dependência espacial em análises territoriais, contribuindo para maior robustez metodológica em estudos socioambientais.

Citas

CARVALHO, M. S.; SOUZA-SANTOS, R. Análise de dados espaciais em saúde pública:

métodos, problemas, perspectivas. Cad. Saúde Pública, Rio de Janeiro, v. 21, n. 2, p. 361-378, mar-abr, 2005. https://doi.org/10.1590/S0102-311X2005000200003

DORMANN, C. F.; MCPHERSON, J. M.; ARAÚJO, M. B.; BIVAND, R.; BOLLIGER, J.; CARL, G.; DAVIES, R. G.; HIRZEL, A., JETZ, W., KISSLING, W. D.; KÜHN, I.; OHLEMÜLLER, R.; PERES-NETO, P. R.; REINEKING, B.; SCHRÖDER, B.; SCHURR, F. M.; WILSON, R. Methods to account for spatial autocorrelation in the analysis of species distributional data: a review. Ecography, v. 30, p. 609-628, 2007. https://doi.org/10.1111/j.2007.0906-7590.05171.x

LESAGE, J.; PACE, R. K. Introduction to Spatial Econometrics. (1ed.). Chapman and Hall/CRC. 2009.

LOPES, T. M. X.M.; SILVA, S. M. O.; SAMPAIO, L. S.; SOARES, R. B. Água e desigualdades socioeconômicas: análise espacial do consumo de água no Brasil. Revista da Água Urbana, v. 21, n. 9, p. 1056–1070, 2024. https://doi.org/10.1080/1573062X.2024.2397791

MILLER, J. A. (2012). Species distribution models: Spatial autocorrelation and non-stationarity. Progress in Physical Geography: Earth and Environment, v. 36, n. 5, p. 681-692, 2012. https://doi.org/10.1177/0309133312442522

PACIOREK, C. J. The Importance of Scale for Spatial-Confounding Bias and Precision of Spatial Regression Estimators. Statical Science, v. 25, n. 1, p. 107-125, 2010. https://doi.org/10.1214/10-STS326

RÜTTENAUER, T. Spatial Data Analysis. Econometric, p. 1-28, 2024. https://doi.org/10.48550/arXiv.2402.09895

ZHANG, Z.; LI, Z.; SONG, Y.. On ignoring the heterogeneity in spatial autocorrelation: consequences and solutions. International Journal of Geographical Information Science, v. 38, n. 12, p. 2545–2571, 2024.. https://doi.org/10.1080/13658816.2024.2391981

Publicado

2025-07-30

Cómo citar

Vila Nova, F. V. P. (2025). Comparação de Modelos Espaciais na Análise do Consumo Hídrico no Brasil: OLS, Spatial Lag e Spatial Error. Revista BIOMAS - Biodiversidade, Meio Ambiente E Sustentabilidade ISSN 2965-5730, 3(1), 12–22. https://doi.org/10.5281/zenodo.16593645