NEWS

valuate 0.2.1

entrenar_modelo(): cuando el error superaba el umbral, el proceso de depuración eliminaba observaciones equivocadas (no necesariamente las de error alto), porque comparaba los errores en un orden distinto al de los datos. Ahora se eliminan exactamente las observaciones con error mayor o igual a eliminar. Esto puede cambiar los resultados obtenidos con versiones anteriores cuando el ciclo de depuración se activaba.
entrenar_modelo(): si el error sigue por encima del umbral pero ya no quedan observaciones para eliminar, el proceso se detiene con un mensaje en lugar de repetirse indefinidamente. El mensaje informa correctamente la cantidad de observaciones eliminadas en cada vuelta.
calcular_vut(): con versiones recientes de spdep (1.3-3 o posteriores), que renombraron los tests robustos a adjRSerr y adjRSlag, la función nunca elegía los modelos LAG ni de error espacial: cuando el test SARMA no era significativo aplicaba siempre mínimos cuadrados ordinarios. Ahora funciona con ambas versiones de spdep.

calcular_vut() usa una función interna más simple para crear las variables indicadoras, en lugar de una copia de fastDummies::dummy_cols(). Los resultados son idénticos.
Cobertura de tests del 100%, incluidos los modelos LAG y de error espacial de calcular_vut().

Las funciones ya no crean objetos en el entorno de trabajo: ahora devuelven su resultado, que se guarda con una asignación. Por ejemplo, depurados <- eliminar_outliers(...).
- calcular_dist(), calcular_entorno(), calcular_raster() y simular_escenario() devuelven un objeto SpatRaster.
- eliminar_outliers() devuelve la muestra sin las observaciones atípicas.
- calcular_vut() devuelve una lista con datos (la muestra con las columnas vut y coef) y efectos (la tabla de efectos estimados).
- entrenar_modelo() devuelve una lista con prediccion, modelo, utilizados y eliminados.
Los rásters de ejemplo de Medellín ya no se incluyen en el paquete. Se descargan con la nueva función descargar_datos() la primera vez que se usan. datos_disponibles() lista los archivos disponibles.
El paquete requiere R 4.1.0 o superior.
osmdata y nominatimlite pasan a ser dependencias opcionales, ya que solo se usan en los ejemplos.

simular_escenario() usa el ráster indicado en el argumento original, en lugar de una ruta fija.
calcular_vut() ya no falla cuando los datos no presentan dependencia espacial y corresponde aplicar el modelo de mínimos cuadrados ordinarios.
eliminar_outliers() devuelve la muestra depurada también cuando se usa el índice de Moran local, y funciona aunque el paquete sf no esté cargado.
calcular_raster() nombra la capa resultante según el argumento nombre.