Regressione lineare e autocorrelazione spaziale

Voglio prevedere Tree Heights in una determinata area usando alcune variabili ottenute tramite il telerilevamento. Come la biomassa approssimativa, ecc. Voglio prima usare una regressione lineare (so che non è la migliore idea ma è un passo obbligato per il mio progetto). Volevo sapere in che modo l'autocorrelazione spaziale può influire su di essa e qual è il modo più semplice per correggerlo se è persino possibile. A proposito, sto facendo tutto in R.

r multiple-regression spatial autocorrelation

— JEquihua
fonte

Se vedi residui di autocorrelazione spaziale nei residui, puoi includere le osservazioni in posizioni vicine ("ritardi spaziali") come predittori nel modello come suggerisce Sameer. Un'altra opzione per gestire l'autocorrelazione spaziale è quella di modellare la tendenza spaziale includendo una funzione semi-parametrica stimata delle coordinate spaziali usando, ad esempio, un modello di additivo generalizzato. Vedi questa domanda correlata per maggiori informazioni.

— Macro,

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

Se viene rilevata un'autocorrelazione statisticamente significativa nei residui, le osservazioni fisicamente prossimali devono essere incluse nel modello di regressione, simile in vena a quanto fatto in una serie temporale.

Fortunatamente, per l'utente R, esiste una vista dell'attività Analisi dei dati spaziali CRAN; un pacchetto consigliato è lo spdep , che ha le funzioni richieste (e vignette illustrative).

— Sameer
fonte

(+1) L'autore spdepha anche un bel libro di testo sull'analisi dei dati spaziali R qui . Possiedo questo libro e l'ho trovato molto utile.

— Macro,

Solo per completezza, Geary C è anche una misura della correlazione spaziale. en.wikipedia.org/wiki/Geary's_C

— xro7