Utilização de matrizes de vizinhança socioeconômicas em modelos da classe STARMA aplicados a dados epidemiológicos

Matheus Feres Freitas, Haiany Aparecida Ferreira, Daniella Feres Freitas, Thelma Sáfadi, Kelly Pereira Lima

Resumo


Neste trabalho estudou-se a utilização de matrizes de vizinhança socioeconômicas em modelos espaço temporais da classe auto regressivo e de médias móveis (STARMA). O conjunto de dados escolhido é composto por nove séries temporais que quantificam a taxa de incidência de Tuberculose, observadas entre 2002 e 2017, nas seguintes cidades mineiras: Belo Horizonte, Betim, Contagem, Governador Valadares, Juiz de Fora, Lavras, Montes Claros, Pouso Alegre e Uberlândia. Uma vez que a maior parte das cidades encontram-se geograficamente distantes, foi necessária a utilização de matrizes de vizinhança socioeconômicas. As matrizes foram obtidas por meio de duas variáveis socioeconômicas: o IDH municipal e o investimento anual médio na saúde básica. Foram ajustados modelos da classe STARMA considerando-se o conjunto de dados e as duas matrizes de vizinhança obtidas. A obtenção do modelo foi feita computacionalmente e consistiu de três etapas: Identificação, estimação e diagnóstico do modelo. Concluiu-se que, as matrizes de vizinhança socioeconômicas em modelos STARMA aplicados ao conjunto de dados escolhido, foi apropriada uma vez que estas matrizes podem ser utilizadas em séries espaço-temporais nas quais os locais de interesse encontram-se geograficamente distantes.

Palavras-chave


STARMA; matriz de vizinhança socioeconômica; Tuberculose

Texto completo:

PDF

Referências


ALMEIDA, E. Econometria espacial aplicada. Campinas–SP. Alínea, 2012. CHEYSSON F. (2016). starma: Modelling Space Time Auto Regressive Moving Average (STARMA). Processes. R package version 1.3. https://CRAN.R-project.org/package=starma GUIMARÃES, R. M. et al. Tuberculose, HIV e pobreza: tendência temporal no Brasil, Américas e mundo. Jornal Brasileiro de Pneumologia, v. 38, n. 4, p. 518-525, 2012. JIN, E. Y. Estrutura de vizinhanças espaciais nos modelos autorregressivos e de médias móveis espaço-temporais STARMA. Dissertação de Mestrado. Universidade de São Paulo, 2017.

PFEIFER, P. E.; DEUTRCH, S. J. A three-stage iterative procedure for space-time modeling phillip. Technometrics, v. 22, n. 1, p. 35-47, 1980.

R CORE TEAM (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.