Regressão linear e autocorrelação espacial

Quero prever o Tree Heights em uma determinada área usando algumas variáveis obtidas por sensoriamento remoto. Como a biomassa aproximada, etc. Quero primeiro usar uma regressão linear (sei que não é a melhor ideia, mas é um passo obrigatório para o meu projeto). Eu queria saber o quanto a autocorrelação espacial pode afetá-la e qual é a maneira mais fácil de corrigir isso, se for possível. Estou fazendo tudo em R por sinal.

r multiple-regression spatial autocorrelation

— JEquihua
fonte

Se você vir a autocorrelação espacial nos resíduos, poderá incluir as observações em locais próximos ("defasagens espaciais") como preditores no modelo, como Sameer sugere. Outra opção para lidar com a autocorrelação espacial é modelar a tendência espacial, incluindo uma função semi-parametricamente estimada das coordenadas espaciais usando, por exemplo, um modelo aditivo generalizado. Veja esta pergunta relacionada para mais informações.

— Macro

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

Se uma autocorrelação estatisticamente significativa for detectada nos resíduos, as observações fisicamente proximais deverão ser incluídas no modelo de regressão, semelhante na veia ao que é feito em uma série temporal.

Felizmente, para o usuário R, há uma visualização da tarefa Análise de Dados Espaciais CRAN; um pacote recomendado é o spdep , que possui as funções necessárias (e vinhetas ilustrativas).

— Sameer
fonte

(+1) O autor de spdeptambém tem um bom livro sobre análise de dados espaciais R aqui . Eu possuo este livro e achei muito útil.

— Macro

Apenas para completar, o C de Geary também é uma medida de correlação espacial. en.wikipedia.org/wiki/Geary's_C

— xro7