Regresi Linier dan Autokorelasi Spasial

Saya ingin memprediksi Tree Heights di area tertentu menggunakan beberapa variabel yang diperoleh melalui penginderaan jauh. Seperti perkiraan Biomassa, dll. Saya ingin menggunakan regresi linier terlebih dahulu (saya tahu itu bukan ide terbaik tetapi merupakan langkah wajib untuk proyek saya). Saya ingin tahu bagaimana autokorelasi spasial dapat memengaruhinya dan apa cara termudah untuk memperbaikinya jika itu mungkin. Ngomong-ngomong, aku melakukan semuanya dalam R.

r multiple-regression spatial autocorrelation JEquihua
sumber

Jika Anda melihat autokorelasi spasial dalam residu, Anda dapat memasukkan pengamatan di lokasi terdekat ("kelambanan spasial") sebagai prediktor dalam model seperti yang disarankan Sameer. Pilihan lain untuk menangani autokorelasi spasial adalah untuk memodelkan tren spasial dengan memasukkan fungsi estimasi semi-parametrik dari koordinat spasial menggunakan, misalnya, model aditif umum. Lihat pertanyaan terkait ini untuk info lebih lanjut.

Makro

Jawaban:

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

Jika autokorelasi signifikan secara statistik terdeteksi dalam residu, pengamatan proksimal secara fisik harus dimasukkan dalam model regresi, mirip dengan apa yang dilakukan dalam rangkaian waktu.

Untungnya, untuk pengguna R, ada Analisis tugas tampilan Data Spasial CRAN; satu paket rekomendasi adalah spdep , yang memiliki fungsi yang diperlukan (dan sketsa ilustrasi).

Sameer
sumber

(+1) Penulis spdepjuga memiliki buku teks yang bagus tentang analisis data spasial di R sini . Saya memiliki buku ini dan merasa sangat berguna.

Makro

Hanya untuk kelengkapan, Geary C juga merupakan ukuran korelasi spasial. en.wikipedia.org/wiki/Geary's_C

xro7