선형 회귀 및 공간 자기 상관

원격 감지를 통해 얻은 일부 변수를 사용하여 특정 지역의 나무 높이를 예측하고 싶습니다. 대략적인 바이오 매스 등과 같이 먼저 선형 회귀를 사용하고 싶습니다 (최상의 아이디어는 아니지만 프로젝트의 필수 단계 임). 공간 자기 상관이 얼마나 심하게 영향을 미칠 수 있는지 그리고 가능한 경우이를 수정하는 가장 쉬운 방법이 무엇인지 알고 싶었습니다. 그건 그렇고 R의 모든 것을하고 있습니다.

r multiple-regression spatial autocorrelation

— 제키 후아
소스

잔차에서 공간 자기 상관을 볼 경우 Sameer가 제안한대로 모델의 예측 변수로 주변 위치 ( "공간 지연")에 관측치를 포함 할 수 있습니다. 공간 자기 상관을 처리하기위한 다른 옵션은 예를 들어 일반화 된 가산 모델을 사용하여 공간 좌표의 반-파라 메트릭 추정 함수를 포함함으로써 공간 경향을 모델링하는 것이다. 자세한 내용은 이 관련 질문 을 참조하십시오.

— 매크로

Moran 's I 는 관측치 (잔여) 와 사이의 거리를 나타내는 항목 이있는 가중치 행렬 가있는 경우 회귀 잔차에서 공간 자기 상관을 탐지하는 데 사용할 수있는 진단 통계입니다. . 이를 공간적으로 가중 된 상관 측정 단위로 생각할 수 있습니다. 통계의 유의성은 분석적으로 또는 아마도 비모수 적 재 샘플링 방법 (예 : 잭나이프)으로 계산할 수 있습니다. 비슷한 작업을 수행하는 또 다른 방법은 Lagrange multiplier 테스트입니다. $\mathbf{w}$ $w_{ij}$ $X_i$ $X_j$

잔차에서 통계적으로 유의 한 자기 상관이 감지되는 경우 시계열에서 수행되는 것과 유사하게 물리적 근위 관측이 회귀 모델에 포함되어야합니다.

운 좋게도 R 사용자에게는 공간 데이터 분석 CRAN 작업보기가 있습니다. 권장 패키지 중 하나는 spdep 이며 필수 기능 (및 예시 적 비네팅)이 있습니다.

— Sameer
소스

(+1)의 저자는 여기spdep 에 공간 데이터 분석에 관한 멋진 교과서를 가지고 R 있습니다 . 이 책을 소유하고 있으며 매우 유용합니다.

— 매크로

완벽 성을 위해 Geary의 C는 공간 상관의 척도이기도합니다. en.wikipedia.org/wiki/Geary's_C

— xro7 '