6  Trabalho Final

Informações Importantes
  • Formato de entrega: .qmd ou .Rmd com código reprodutível
  • Prazo: 22/06/2025 até 00:00
  • Envio: tassinari@ufrrj.br
  • Modalidade: Individual

6.1 📌 Enunciado

Este trabalho tem por objetivo aplicar os conhecimentos adquiridos ao longo do curso de Estatística Espacial utilizando dados geográficos de área (Análise Espacial em Dados de Área).

Os alunos deverão trabalhar individualmente e a entrega será feita em formato Quarto (.qmd) ou RMarkdown (.Rmd) ou Word (.docx) até o dia 21/06 às 00:00.

6.2 🗂️ Estrutura do Trabalho

6.2.1 1. Seleção dos Dados

O aluno deverá:

Coluna Descrição
codigo Código IBGE do município
municipio Nome oficial do município
tmi Taxa de Mortalidade Infantil
idhm IDH Municipal
renda Renda per capita
densidade Densidade demográfica
populacao População
escolaridade Escolaridade média
temperatura Temperatura média
esperanca_vida Esperança de vida
  • A variável principal (Resposta/Dependente) será a tmi.

6.2.2 2. Análises Estatísticas e Espaciais

O trabalho deverá conter as seguintes etapas:

📊 Análise Descritiva Espacial (AEDE)

  • Carregamento e integração dos dados com a malha espacial;
  • Estatísticas descritivas da variável resposta (média, mediana, desvio padrão, quartis);
  • Mapas coropléticos mostrando a distribuição espacial da variável resposta;
  • Mapas das variáveis explicativas mais importantes;
  • Histogramas, boxplots e tabelas resumo.

📍 Medidas de Autocorrelação Espacial

  • Construção da matriz de vizinhança (contiguidade Rainha ou Torre);
  • Cálculo de pesos espaciais (nb2listw() com normalização row-standardized);
  • Teste de Moran I Global para avaliar autocorrelação espacial global;
  • Índice de Moran I Local (LISA) para identificar clusters espaciais locais;
  • Classificação de clusters: Alto-Alto (hotspots), Baixo-Baixo (coldspots), Alto-Baixo, Baixo-Alto;
  • Mapa LISA mostrando a distribuição espacial dos clusters;
  • Discussão dos padrões espaciais encontrados.

📈 Modelagem Espacial

  • Modelo 1: Regressão Linear Ordinária (OLS)
    • Ajuste do modelo com variáveis explicativas;
    • Teste de Moran nos resíduos para verificar adequação do modelo.
  • Modelo 2: Regressão Espacial SAR (Spatial Autoregressive)
    • Incorporação da dependência espacial na variável resposta;
    • Interpretação do coeficiente de autocorrelação espacial (ρ).
  • Modelo 3: Regressão Espacial CAR (Conditional Autoregressive)
    • Incorporação da dependência espacial no termo de erro;
    • Interpretação do coeficiente de autocorrelação espacial (λ).
  • Comparação de Modelos:
    • Cálculo do AIC (Akaike Information Criterion) para cada modelo;
    • Identificação do modelo com melhor ajuste;
    • Discussão das diferenças entre os modelos.
  • Análise de Resíduos:
    • Visualização da distribuição dos resíduos (histogramas, Q-Q plots);
    • Teste de normalidade (Shapiro-Wilk);
    • Verificação de autocorrelação espacial nos resíduos.

6.2.3 3. Conclusões e Discussões

  • Resumo das descobertas: Principais padrões espaciais identificados;
  • Interpretação dos resultados: O que os testes e modelos revelam sobre a variável de interesse;
  • Discussão das limitações: Limitações dos dados, do modelo escolhido e das análises realizadas;
  • Sugestões para estudos futuros: Como o trabalho poderia ser expandido ou melhorado.

6.3 📎 Entrega

  • Formato: .qmd ou .Rmd com código reprodutível;
  • Prazo final: 21/06/2026 até 00:00;
  • Trabalho: Individual;
  • Organização: Utilize títulos e seções claras com boa organização visual do documento.

6.4 ✅ Critérios de Avaliação

  • Coerência técnica na aplicação dos métodos espaciais;
  • Clareza na apresentação dos mapas, tabelas e modelos;
  • Interpretação correta dos resultados;
  • Reprodutibilidade do código;
  • Qualidade da redação e organização do documento.

6.5 📚 Referências Recomendadas

  • Bailey, T. C., & Gatrell, A. C. (1995). Interactive Spatial Data Analysis. Routledge.
  • Cressie, N. (1993). Statistics for Spatial Data (Revised edition). Wiley.
  • Waller, L. A., & Gotway, C. A. (2004). Applied Spatial Statistics for Public Health Data. Wiley-Interscience.
  • Bivand, R. S., Pebesma, E., & Gómez-Rubio, V. (2013). Applied Spatial Data Analysis with R. Springer.
  • Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2002). Geographically Weighted Regression. Wiley.

6.6 🔧 Pacotes R Necessários

# Pacotes principais
library(sf)              # Manipulação de dados espaciais
library(tidyverse)       # Manipulação e visualização de dados
library(geobr)           # Download de mapas do Brasil
library(spdep)           # Análise de dependência espacial
library(spatialreg)      # Modelos de regressão espacial
library(ggplot2)         # Visualização gráfica
library(gridExtra)       # Combinação de gráficos

6.7 💡 Dicas Importantes

  1. Reprodutibilidade: Certifique-se de que todo o código está comentado e que alguém consegue reproduzir sua análise executando o arquivo .qmd ou .rmd

  2. Visualizações: Mapas e gráficos são fundamentais. Use cores apropriadas e legendas claras.

  3. Interpretações: Não apenas apresente os resultados, mas interprete-os.

  4. Limitações: Seja honesto sobre as limitações do seu trabalho. Nenhuma análise é perfeita.

6.8 📬 Dúvidas e Suporte

Em caso de dúvidas ou dificuldade, entre em contato por e-mail: tassinari@ufrrj.br

Boa sorte e mãos à obra! 🚀