Regresión lineal y autocorrelación espacial

Quiero predecir Tree Heights en un área determinada usando algunas variables obtenidas a través de la teledetección. Como la biomasa aproximada, etc. Quiero usar primero una regresión lineal (sé que no es la mejor idea, pero es un paso obligado para mi proyecto). Quería saber qué tan mal puede afectarlo la autocorrelación espacial y cuál es la forma más fácil de corregir esto si es posible. Estoy haciendo todo en R por cierto.

r multiple-regression spatial autocorrelation

— JEquihua
fuente

Si ve una autocorrelación espacial en los residuos, puede incluir las observaciones en ubicaciones cercanas ("retrasos espaciales") como predictores en el modelo, como sugiere Sameer. Otra opción para manejar la autocorrelación espacial es modelar la tendencia espacial incluyendo una función estimada semiparamétricamente de las coordenadas espaciales utilizando, por ejemplo, un modelo aditivo generalizado. Vea esta pregunta relacionada para más información.

— Macro

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

Si se detecta una autocorrelación estadísticamente significativa en los residuos, se deben incluir observaciones físicamente proximales en el modelo de regresión, similar en vena a lo que se hace en una serie temporal.

Afortunadamente, para el usuario R, hay una vista de tarea Análisis de datos espaciales CRAN; Un paquete recomendado es el spdep , que tiene las funciones necesarias (y viñetas ilustrativas).

— Sameer
fuente

(+1) El autor de spdeptambién tiene un buen libro de texto sobre análisis de datos espaciales R aquí . Soy dueño de este libro y lo he encontrado muy útil.

— Macro

Solo para completar C de Geary es también una medida de correlación espacial. en.wikipedia.org/wiki/Geary's_C

— xro7