Regresja liniowa i autokorelacja przestrzenna

Chcę przewidzieć wysokości drzew w określonym obszarze przy użyciu niektórych zmiennych uzyskanych za pomocą teledetekcji. Podobnie jak przybliżona biomasa itp. Najpierw chcę zastosować regresję liniową (wiem, że nie jest to najlepszy pomysł, ale jest to krok konieczny dla mojego projektu). Chciałem wiedzieć, jak źle wpływa na to autokorelacja przestrzenna i jaki jest najprostszy sposób, aby to naprawić, jeśli jest to w ogóle możliwe. Nawiasem mówiąc, robię wszystko w R.

r multiple-regression spatial autocorrelation

— JEquihua
źródło

Jeśli widzisz autokorelację przestrzenną w pozostałościach, możesz uwzględnić obserwacje w pobliskich lokalizacjach („opóźnienia przestrzenne”) jako predyktory w modelu, jak sugeruje Sameer. Inną opcją obsługi przestrzennej autokorelacji jest modelowanie trendu przestrzennego poprzez włączenie półparametrycznie oszacowanej funkcji współrzędnych przestrzennych przy użyciu, na przykład, uogólnionego modelu addytywnego. Zobacz to powiązane pytanie, aby uzyskać więcej informacji.

— Makro

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

Jeśli wykryta zostanie statystycznie istotna autokorelacja w resztach, fizycznie proksymalne obserwacje muszą zostać uwzględnione w modelu regresji, podobnie jak w żyłach do tego, co dzieje się w szeregach czasowych.

Na szczęście dla użytkownika R istnieje widok zadania Analiza danych przestrzennych CRAN; jednym polecanym pakietem jest spdep , który ma wymagane funkcje (i ilustracyjne winiety).

— Sameer
źródło

(+1) Autor spdepma również piękny podręcznik o przestrzennej analizy danych w R tutaj . Jestem właścicielem tej książki i uważam ją za bardzo przydatną.

— Makro

Dla kompletności C Geary'ego jest również miarą korelacji przestrzennej. en.wikipedia.org/wiki/Geary's_C

— xro7