Modelos de estadísticas espaciales: CAR vs SAR

¿Cuándo preferiría usar un modelo autorregresivo condicional sobre un modelo autorregresivo simultáneo al modelar datos aéreos georreferenciados autocorrelacionados?

Modelo no espacial

El valor de mi casa es una función de la inversión en jardinería de mi hogar.

Modelo SAR

El valor de mi casa es una función de los valores de la casa de mis vecinos.

Modelo de auto

El valor de mi casa es una función de la inversión en jardinería de mis vecinos.

Como dice la Enciclopedia de SIG , el modelo autorregresivo condicional (CAR) es apropiado para situaciones con dependencia de primer orden o autocorrelación espacial relativamente local, y el modelo autorregresivo simultáneo (SAR) es más adecuado cuando hay dependencia de segundo orden o una autocorrelación espacial más global .

Esto queda claro por el hecho de que CAR obedece la versión espacial de la propiedad Markov , es decir, supone que el estado de un área en particular está influenciado por sus vecinos y no por vecinos, etc. (es decir, es espacialmente "sin memoria", en cambio de temporalmente), mientras que SAR no asume tal. Esto se debe a las diferentes formas en que especifican sus matrices de varianza-covarianza. Por lo tanto, cuando se obtiene la propiedad espacial de Markov, CAR proporciona una forma más simple de modelar datos de área georreferenciados autocorrelacionados.

Consulte Análisis de datos espaciales y Gis: perspectivas convergentes para obtener más detalles.