Modelos de estatística espacial: CAR vs SAR

Quando alguém prefere usar um modelo autorregressivo condicional em vez de um modelo autorregressivo simultâneo ao modelar dados aéreos georreferenciados autocorrelacionados?

Modelo não espacial

My House Value é uma função do meu investimento em jardinagem em casa.

Modelo SAR

O valor da minha casa é uma função dos valores da casa dos meus vizinhos.

Modelo CAR

O valor da minha casa é uma função do investimento em jardinagem dos meus vizinhos.

Como declara a Enciclopédia do SIG , o modelo autoregressivo condicional (CAR) é apropriado para situações com dependência de primeira ordem ou autocorrelação espacial relativamente local, e o modelo autoregressivo simultâneo (SAR) é mais adequado onde há dependência de segunda ordem ou uma autocorrelação espacial mais global .

Isso fica claro pelo fato de o CAR obedecer à versão espacial da propriedade Markov , ou seja, pressupõe que o estado de uma área específica seja influenciado por seus vizinhos e não vizinhos de vizinhos, etc. (ou seja, é espacialmente "sem memória" temporalmente), enquanto o SAR não assume isso. Isso ocorre devido às diferentes maneiras pelas quais eles especificam suas matrizes de variância-covariância. Portanto, quando a propriedade espacial de Markov é obtida, o CAR fornece uma maneira mais simples de modelar dados de áreas georreferenciadas autocorrelacionadas.

Consulte GIS e análise de dados espaciais: perspectivas convergentes para obter mais detalhes.