Doğrusal Regresyon ve Mekansal-Otokorelasyon

Uzaktan algılama yoluyla elde edilen bazı değişkenleri kullanarak belirli bir alandaki Tree Heights'ı tahmin etmek istiyorum. Yaklaşık Biyokütle, vb.Gibi ilk önce doğrusal bir regresyon kullanmak istiyorum (bunun en iyi fikir olmadığını biliyorum, ancak projem için bir zorunluluk adımdır). Uzamsal otokorelasyonun bunu ne kadar kötü etkileyebileceğini ve hatta mümkünse bunu düzeltmenin en kolay yolunun ne olduğunu bilmek istedim. Bu arada R'deki her şeyi yapıyorum.

r multiple-regression spatial autocorrelation

— JEquihua
kaynak

Kalanlarda mekansal otokorelasyon görüyorsanız, Sameer'in önerdiği gibi modeldeki yordayıcılar olarak yakın konumlardaki gözlemleri ("mekansal gecikmeler") dahil edebilirsiniz. Mekansal otokorelasyonu ele almak için bir başka seçenek, mekansal koordinatların yarı parametrik olarak tahmin edilen bir fonksiyonunu örneğin genelleştirilmiş bir katkı modeli kullanarak dahil ederek mekansal eğilimi modellemektir. Daha fazla bilgi için bu ilgili soruya bakın .

— Makro

$\mathbf{w}$ $w_{ij}$ $X_i$ $X_j$

Kalıntılarda istatistiksel olarak anlamlı bir otokorelasyon tespit edilirse, fiziksel olarak proksimal gözlemler, bir zaman serisinde yapılanlara benzer şekilde, regresyon modeline dahil edilmelidir.

Neyse ki, R kullanıcısı için, Mekansal Veri CRAN görev görünümünün bir analizi vardır ; bir tavsiye paketi, gerekli işlevlere (ve açıklayıcı vinyetlere) sahip olan spdep'dir .

— Sameer
kaynak

(+1) Yazarın spdepayrıca R burada uzamsal veri analizi hakkında güzel bir ders kitabı var . Bu kitabın sahibiyim ve çok faydalı buldum.

— Makro

Sadece bütünlük için Geary's C, mekansal korelasyonun bir ölçüsüdür. en.wikipedia.org/wiki/Geary's_C

— xro7