Hồi quy tuyến tính và tự động tương quan không gian

Tôi muốn dự đoán Tree Heights ở một khu vực nhất định bằng cách sử dụng một số biến thu được thông qua viễn thám. Giống như Sinh khối gần đúng, v.v. Trước tiên tôi muốn sử dụng hồi quy tuyến tính (tôi biết đó không phải là ý tưởng tốt nhất nhưng đó là bước bắt buộc cho dự án của tôi). Tôi muốn biết làm thế nào tự động tương quan không gian có thể ảnh hưởng đến nó và cách dễ nhất để sửa điều này nếu nó thậm chí có thể. Nhân tiện, tôi đang làm mọi thứ trong R.

Moran's I là một thống kê chẩn đoán có thể được sử dụng để phát hiện sự tự tương quan không gian trong phần dư của hồi quy, với điều kiện bạn có ma trận trọng số $\mathbf{w}$ , với các mục $w_{ij}$ biểu thị khoảng cách giữa quan sát (phần dư) $X_i$ và $X_j$ . Bạn có thể nghĩ về nó như là một thước đo tương quan trọng số không gian. Ý nghĩa của thống kê có thể được tính toán bằng phương pháp phân tích hoặc có lẽ bằng các phương pháp lấy mẫu lại không tham số (ví dụ jackknife). Một phương pháp khác để làm một cái gì đó tương tự là thử nghiệm số nhân Lagrange.

Nếu phát hiện sự tự tương quan có ý nghĩa thống kê trong phần dư, các quan sát gần nhất về thể chất phải được đưa vào mô hình hồi quy, tương tự như tĩnh mạch với những gì được thực hiện trong chuỗi thời gian.

May mắn thay, đối với người dùng R, có một phân tích về chế độ xem nhiệm vụ CRAN dữ liệu không gian ; gói khuyến nghị là spdep , có các chức năng cần thiết (và họa tiết minh họa).