Áreas Probables De Degradación-Deforestación De La Cubierta Vegetal en Chihuahua, México. Una Exploración Mediante Regresión Logística Para El Período 1985-2013

Abstract

RESUMENEl objetivo de este trabajo fue identificar las áreas con riesgo de degradación-deforestación de la cubierta forestal en el oeste de Chihuahua, en el norte de México, utilizando un modelo de regresión logística. Se generó la regresión entre once capas de información geográfica (biofísica y socioeconómica) y áreas deforestadas de cuatro municipios del estado durante el período 1985-2013. Los resultados indican un buen poder predictivo del modelo generado (Pseudo-R2 de McFadden de 0.24), e identifican la tenencia de la tierra, el grado de marginación y su comportamiento temporal, la aptitud agrológica del suelo y la pendiente del terreno, como las variables con mayor peso en la predicción de zonas susceptibles de degradación y pérdida de bosques. Estos hallazgos facilitan el manejo ambiental de áreas boscosas y la mitigación de causas en zonas que están sufriendo este proceso. Palabras clave: Deforestación, Chihuahua, Predicción, Regresión Logística. PROBABLE AREAS OF DEGRADATION-DEFORESTATION OF VEGETATION COVERAGE IN CHIHUAHUA, MEXICO. AN EXPLORATION THROUGH LOGISTIC REGRESSION FOR THE PERIOD 1985-2013. ABSTRACTThe objective of this work was to identify the areas with risk of degradation-deforestation of forest cover in the west of Chihuahua, in the north of Mexico, using a logistic regression model. It was generated the regression between eleven layers of geographic information (biophysical and socioeconomic) and deforested areas of four municipalities of the state during the period 1985-2013. The results indicate a good predictive power of the generated model (McFadden's Pseudo-R2 of 0.24), and identify land tenure, degree of marginalization and its temporal behavior, soil agrological suitability and terrain slope, as the variables with the biggest weight in

Análisis probabilístico de la segmentación de créditos en la provincia El Oro-Ecuador

“…Para que los resultados, tanto del modelo completo, como de los parámetros tengan validez y robustez estadística, se procederá a calcular test propios de la regresión logística, tales como los odds ratios (Aguilar et al, 2017), contrastes de Wald (Ferreira et al, 2019), tasa de correcta clasificación (Alcañiz et al, 2018), coeficientes de pseudo-R^2 (R2 de Mc-Fadden, R2 de Cox-Snell, y R2 de Nagelkerke) (Bravo et al, 2017;Chafla, 2019), validación global a través de los residuos.…”