Modelos de regressão para o valor da produção de arroz no Rio Grande do Sul
Palavras-chave:
Distribuição gama, modelo linear generalizado, modelo linear, arrozResumo
O arroz é o segundo grão mais consumido no mundo. No Brasil, o Rio Grande do Sul (RS) é o maior produtor de arroz em casca. Dessa forma, o objetivo deste estudo é avaliar quais são os fatores que influenciam o valor da produção deste cereal. Para explicar o valor da produção de arroz foram utilizadas as variáveis de produção obtidas no site do Departamento de Economia e Estatística e as variáveis meteorológicas retiradas no site Brazilian Daily Weather Gridded Data ,referentes ao ano de 2019. As variáveis analisadas apresentam uma distribuição não normal e heterocedástica justificando o uso da técnica de regressão linear generalizada. A seleção das variáveis para os modelos foi feita através do método stepwise. Os modelos obtidos mostraram que a média anual de radiação solar e a média anual de precipitação de chuva influenciam o valor da produção de arroz no RS, assim como em outros trabalhos. No entanto, esses modelos podem não ser adequados para capturar a relação não linear entre o valor de produção de grãos e variáveis como clima e produção.
Referências
ATLAS. Arroz: O Rio Grande do Sul é o maior produtor de arroz em casca do Brasil. 7ª ed. 2022. Acesso em: 04 de out. 2022. Disponível em: https://atlassocioeconomico.rs.gov.br/arroz
CORDEIRO, G. M.; DEMÉTRIO, C. G. Modelos Lineares Generalizados. Minicurso para o 12º SEAGRO e a 52ª Reunião Anual da RBRAS UFSM, Santa Maria, RS,2012. Disponível em: https://docs.ufpr.br/~lucambio/%20CE225/2S2009/livroSeagro.pdf
DA SILVA, E. V.; JACOBI, L. F. Regressão linear e não linear aplicado ao estudo de casos de AIDS na Região Norte do Brasil. Ciência E Natura, v. 42, e27, 2020. https://doi.org/10.5902/2179460X40535
DEEDADOS (2023). Departamento de economia e estatística dados abertos. Disponível em: https://dados.fee.tche.br/
EKANAYAKE, E., WICKRAMASINGHE, L., WELIWATTA, R. Use of regression techniques for rice yield estimation in the north-western province of sri lanka. Ceylon journal of science, v. 50, n. 4, p. 439–447, 2021. https://doi.org/10.4038/cjs.v50i4.7942
MATEUS, W. S.; MATEUS, A. L. S. S.; BUENO FILHO, J. S. DE S. Avaliação por regressão linear múltipla para valor de imóveis residenciais. Sigmae, v. 8, n. 2, p. 784–787, 2019. https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/987
MCCULLAGH, P.; NELDER, J. A. Generalized linear models, 2nd edidion. Chapman and Hall, London, 1989, 526 p.
MONTGOMERY, D. C; RUNGER, G. C. Estatística aplicada e probabilidade para engenheiros. 4a edição. Rio de Janeiro: LTC Editora, 2009, 514 p.
NUGRAHANI, I. D.; SUSANTI, Y.; QONA’AH, N. Modeling of rice production in indonesia using robust regression with the method of moments (mm) estimation. Nusantara science and technology proceedings, v. 21, p. 79–87, 2021. http://dx.doi.org/10.11594/nstp.2021.1111
R CORE TEAM.R: A language and environment for statistical computing. R Foundation forStatistical Computing, Vienna, Austria. 2022. Disponível em: https://www.r-project.org/
RIBEIRO et al. Soybean production value in the Rio Grande do Sul under the GAMLSS framework. Communications in statistics: case studies, data analysis and applications. v. 7, n. 2, p. 146-165, 2021. http://dx.doi.org /10.1080/23737484.2020.1852131
SILVA, L. E. M. DA; JACOBI, L. F.; LÚCIO, A. D. Analysis of cases of death due to stroke in the state of Rio Grande do Sul from 1979 to 2014. Sigmae, v. 8, n. 2, p. 274–281, 2019. https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/954
SILVIO STEINMETZ, J. B. D. S.; DEIBLER, N. A. Estimativa da produtividade de arroz irrigado em função da radiação solar global e da temperatura mínima do ar. Ciência Rural, Santa Maria, v. 43, n. 2, p. 206-211, 2013. https://doi.org/10.1590/S0103-84782013000200003
URRUTIA, J. D. et al. Forecasting rice production in luzon using integrated spatio-temporal forecasting framework. Em: AIP Conference Proceedings, AIP Publishing LLC, v. 2192, p. 09004, 2019. http://dx.doi.org /10.1063/1.5139184
WICKRAMASINGHE, L.; JAYASINGHE, J.; RATHNAYAKE, U. Relationships between climatic factors to the paddy yield in the north-western province of sri lanka. Em: International Research Conference on Smart Computing and Systems Engineering (SCSE), IEEE, p. 223–227, 2020. http://dx.doi.org /10.1109/SCSE49731.2020.9313047
XAVIER, A. C. Brazilian daily weather gridded data (br-dwgd), 2023. Disponível em: https://sites.google.com/site/alexandrecandidoxavierufes/brazilian-daily-weather-gridded-data
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Proposta de Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
