Ferramentas visuais para identificar observações influentes em dados espaciais
componentes principais, dados espaciais influentes, semivariograma cruzado.
Adaptamos o hair-plot, proposto por Genton e Ruiz-Gazen (2010), para identificar e visualizar observações influentes em dados espaciais. Três ferramentas gráficas foram criadas: o bihair-plot, os principais componentes do hair-plot e o funcional hair-plot. A primeira ferramenta são as trajetórias dos valores de um estimador de semivariância espacial ao adicionar uma perturbação a cada observação de um vetor de dados espaciais observado considerando duas defasagens. O segundo descreve as trajetórias dos componentes principais de um estimador de semivariância espacial para todos os atrasos quando cada observação de dados é perturbada, tornando possível identificar observações influentes em dados espaciais contendo o máximo de informações possível do conjunto de dados. O terceiro é obtido a partir dos valores do estimador do semivariograma de rastreamento quando os dados recebem uma perturbação. Os estimadores considerados no estudo foram o semivariograma de amostra para caso univariado, semivariograma cruzado de amostra para caso bivariado e semivariograma de amostra de traço para dados funcionais. Outro método utilizado para obter o semivariograma cruzado foi o Elipsóide de Volume Mínimo, que é mais sensível a outliers. Por meio da análise de influência desse estimador, observamos que não é possível detectar observações influentes. Definimos a forma quadrática dos estimadores e a função de influência, a fim de compreender seu comportamento e propriedades. Por fim, fazemos uma aplicação com essas ferramentas nos dados de poluição para o caso univariado, complementando os resultados apresentados em Genton e Ruiz-Gazen (2010), os dados meuse do pacote sp para o caso bivariado, e os dados maritimes do pacote geofd em R.