Análisis de covarianzas con variables secundarias correlacionadas espacialmente

Los avances en agricultura de precisión permiten a los investigadores obtener datos con más frecuencia y en detalle. Por ejemplo, es común colectar “en el transcurso” datos como lecturas de electro-conductividad del suelo. Esto crea la oportunidad de usar estas medidas como covariables para incremen...

Full description

Autores:
Hooks, Tisha
Marx, David
Kachman, Stephen
Pedersen, Jeffrey
Eigenberg, Roger
Tipo de recurso:
Article of journal
Fecha de publicación:
2008
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/40618
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/40618
http://bdigital.unal.edu.co/30715/
Palabra clave:
análisis de covarianzas
covarianza espacial
cokriging
covarianza
Covariance Analysis
Spatial Analysis
Cokriging
Covariate
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
Description
Summary:Los avances en agricultura de precisión permiten a los investigadores obtener datos con más frecuencia y en detalle. Por ejemplo, es común colectar “en el transcurso” datos como lecturas de electro-conductividad del suelo. Esto crea la oportunidad de usar estas medidas como covariables para incrementar la precisión experimental de la variable de respuesta. Aún más, estas medidas están espacialmente relacionadas entre sí, creando la necesidad de métodos en los cuales la ubicación espacial representa un papel explícito en el análisis de los datos. Se analizan conjuntos de datos que contienen variables de respuesta y covariables espacialmente relacionadas, usando el método cokriging o el análisis espacial de covarianza. Aunque el método cokriging usa la estructura de correlación de la covariable, es una herramienta puramente predictiva. Alternativamente, el análisis espacial de covarianza permite la estimación de parámetros pero sin tener en cuenta la estructura de correlación de la covariable. El presente artículo propone un método que tiene en cuenta la correlación en la covariable, así como la correlación entre la covariable y la variable de respuesta, permitiendo la estimación de los parámetros del modelo. De la misma manera, este método permite el análisis espacial de covarianza cuando la variable de respuesta y la covariable no están colocalizadas.