Nel mio lavoro ho notato questo modello quando si esamina un correlogramma spaziale a varie distanze emerge un modello a forma di U nelle correlazioni. Più specificamente, forti correlazioni positive a piccoli scomparti a distanza diminuiscono con la distanza, quindi raggiungono una fossa in un determinato punto per poi risalire.
Ecco un esempio dal blog di Ecologia della conservazione, Parco giochi di macroecologia (3) - Autocorrelazione spaziale .
Queste auto-correlazioni positive più forti a grandi distanze violano teoricamente la prima legge della geografia di Tobler, quindi mi aspetto che sia causata da qualche altro modello nei dati. Mi aspetterei che raggiungano lo zero a una certa distanza e quindi si spostino intorno allo 0 a ulteriori distanze (che è ciò che accade in genere nei grafici delle serie temporali con termini AR o MA di ordine inferiore).
Se esegui una ricerca di immagini di Google puoi trovare alcuni altri esempi di questo stesso tipo di modello (vedi qui per un altro esempio). Un utente sul sito GIS ha pubblicato due esempi in cui il modello appare per Moran's I ma non appare per Geary C ( 1 , 2 ). Insieme al mio lavoro, questi schemi sono osservabili per i dati originali, ma quando si adatta un modello con termini spaziali e si controllano i residui, non sembrano persistere.
Non ho trovato esempi nell'analisi di serie temporali che mostrano un diagramma ACF simile, quindi non sono sicuro di quale modello nei dati originali potrebbe causare questo. Scortchi in questo commento ipotizza che un modello sinusoidale possa essere causato da un modello stagionale omesso in quella serie temporale. Lo stesso tipo di tendenza spaziale potrebbe causare questo modello in un correlogramma spaziale? O è qualche altro artefatto del modo in cui vengono calcolate le correlazioni?
Ecco un esempio del mio lavoro. Il campione è piuttosto grande e le linee grigio chiaro sono un insieme di 19 permutazioni dei dati originali per generare una distribuzione di riferimento (quindi si può vedere che la varianza nella linea rossa dovrebbe essere abbastanza piccola). Quindi, sebbene la trama non sia così drammatica come la prima mostrata, la fossa e poi salire a ulteriori distanze appaiono abbastanza facilmente nella trama. (Nota anche che la mia fossa non è negativa, come lo sono gli altri esempi, se ciò rende materialmente diversi gli esempi, non lo so.)
Ecco una mappa di densità del kernel dei dati per vedere la distribuzione spaziale che ha prodotto detto correlogramma.