Modele statystyki przestrzennej: CAR vs SAR

Kiedy wolisz używać warunkowego modelu autoregresyjnego zamiast symultanicznego modelu autoregresyjnego podczas modelowania autokorelowanych danych lotniczych z odniesieniem geograficznym?

Model nieprzestrzenny

My House Value jest funkcją mojej domowej inwestycji ogrodniczej.

Model SAR

Moja wartość domu jest funkcją wartości domu moich sąsiadów.

Model samochodu

Wartość mojego domu jest funkcją inwestycji ogrodniczej moich sąsiadów.

Jak stwierdza Encyklopedia GIS , warunkowy model autoregresyjny (CAR) jest odpowiedni do sytuacji z zależnością pierwszego rzędu lub względnie lokalną autokorelacją przestrzenną, a jednoczesny model autoregresyjny (SAR) jest bardziej odpowiedni tam, gdzie występuje zależność drugiego rzędu lub bardziej globalna autokorelacja przestrzenna .

Wyjaśnia to fakt, że CAR przestrzega przestrzennej wersji własności Markowa , a mianowicie zakłada, że ​​na stan określonego obszaru ma wpływ jego sąsiedzi, a nie sąsiedzi itp. (Tzn. Jest przestrzennie „bez pamięci”, zamiast tego tymczasowo), podczas gdy SAR tego nie zakłada. Wynika to z różnych sposobów określania ich macierzy wariancji-kowariancji. Tak więc, gdy uzyskana zostanie właściwość przestrzenna Markowa, CAR zapewnia prostszy sposób modelowania autokorelowanych danych przestrzennych z odniesieniem geograficznym.

Zobacz Gis i analiza danych przestrzennych: zbieżne perspektywy, aby uzyskać więcej informacji.