Além de avaliar o padrão espacial, podemos estar interessados em modelar a probabilidade de ocorrência da doença e considerar o status das plantas vizinhas como covariadas. Esse modelo é denominado modelo de regressão autologística. A autocorrelação é evidentemente induzida, pois a mesma informação é utilizada como resposta e covariada (Besag 1972).
No modelo autologístico, pode-se considerar diferentes estruturas de vizinhança. É interessante avaliar o efeito de plantas vizinhas na linha, vizinhas em linhas adjacente e vizinhas nas diagonais separadamente, para buscar possíveis efeitos direcionais, pois cada coeficiente dá uma estimativa do acréscimo na probabilidade da presença ou não da doença nesses vizinhos (Gumpertz & Ristaino 1997). Esta estrutura de vizinhança é particularmente interessante para o caso de doenças em citros, onde o espaçamento entre linhas é diferente do espaçamento dentro das linhas.
Na função autologistic.citrus() foi implementado o modelo autologístico com estimação dos parâmetros pelo método da pseudo-verossimilhança, bem como o procedimento de reamostragem bootstrap via algoritmo amostrador de Gibbs e o método de Monte Carlo. Nesta função, pode-se considerar as covariadas de vizinhança separadamente, considerar interações entre as covariadas e considerar as covariadas de vizinhança no tempo anterior. Para exemplificar, vamos ajustar o modelo para as observações da terceira avaliação e considerar as covariadas de vizinhança na segunda observação:
Aplicando o método de Monte Carlo: