Załóżmy, że mamy punkty w przestrzeni dwuwymiarowej i chcemy zmierzyć wpływ atrybutów na atrybut y . Typowym modelem regresji liniowej jest oczywiście y = X β
Są tutaj dwa problemy: pierwszy to, że warunki mogą być skorelowane przestrzennie (naruszając założenie niezależnych i identycznych błędów), a drugi polega na tym, że nachylenie regresji może się różnić w przestrzeni. Pierwszą kwestią można się zająć, włączając do modelu terminy opóźnień przestrzennych, jak w
Możemy nawet włączyć przestrzennie autoregresyjne zmienne pominięte (przestrzenne ustalone efekty) do przestrzennego modelu Durbina opisanym w tekście przez LeSage i Pace
gdzie
Oto moja próba wstępnej odpowiedzi:
- Jeśli chcę poznać premię za dodatkową sypialnię w konkretnej okolicy , wydaje się, że GWR byłaby moją najlepszą opcją.
- Jeśli chcę poznać obiektywne globalną średnią premię za dodatkową sypialnię, należy użyć techniki autoregresyjne przestrzennych.
Chciałbym usłyszeć inne perspektywy.