การสร้างแบบจำลองแนวโน้มเชิงพื้นที่โดยการถดถอยด้วย


9

ฉันวางแผนที่จะรวมพิกัดเป็น covariates ในสมการถดถอยเพื่อปรับสำหรับแนวโน้มเชิงพื้นที่ที่มีอยู่ในข้อมูล หลังจากนั้นฉันต้องการทดสอบเศษที่เหลือจากความสัมพันธ์เชิงพื้นที่ในรูปแบบสุ่ม ฉันมีคำถามหลายข้อ:

  1. ฉันควรทำการถดถอยเชิงเส้นซึ่งตัวแปรอิสระเพียงอย่างเดียวคือพิกัดและจากนั้นทดสอบส่วนที่เหลือในการเปลี่ยนแปลงเชิงพื้นที่สัมพันธ์หรือฉันควรจะรวมพิกัดไม่เพียงเป็น covariates แต่ยังรวมถึงตัวแปรอื่น ๆ แล้วทดสอบส่วนที่เหลือด้วยxY

  2. หากฉันคาดว่าจะมีแนวโน้มเป็นกำลังสองแล้วรวมไม่เพียงแต่ยัง ,และแต่แล้วบางส่วนของพวกเขา (และ ) มีค่าสูงกว่า threshold - ฉันควรแยกตัวแปรเหล่านั้นที่มีค่าสูงกว่าว่าไม่สำคัญหรือไม่? ฉันจะตีความแนวโน้มได้อย่างไรว่ามันไม่ได้เป็นกำลังสองอีกต่อไปแล้ว?x,YxYx2Y2xYY2พีพี

  3. ฉันเดาว่าฉันควรจะรักษาพิกัดและเป็น covariates อื่น ๆ และทดสอบพวกเขาในการมีความสัมพันธ์เชิงเส้นกับตัวแปรตามโดยการสร้างแปลงที่เหลือบางส่วน ... แต่เมื่อฉันเปลี่ยนพวกเขา (ถ้าพวกเขาต้องการการแปลง) ที่จะไม่ เป็นแนวโน้มแบบนั้นอีกต่อไป (โดยเฉพาะถ้าฉันรวม ,และสำหรับแนวโน้มกำลังสอง) มันอาจแสดงให้เห็นว่าเช่นต้องการการแปลงในขณะที่xYxYx2Y2x2xไม่ได้หรืออย่างนั้น? ฉันจะตอบสนองอย่างไรในสถานการณ์เหล่านี้?

ขอบคุณ.

คำตอบ:


3

ฉันคิดว่าคุณน่าจะเหมาะสมกว่ากับโมเดลเอฟเฟกต์แบบผสมเชิงเส้นที่มีเอฟเฟกต์แบบสัมพันธ์เชิงพื้นที่ (บางครั้งเรียกว่าแบบจำลองเชิงภูมิศาสตร์ ) สมมติว่าข้อมูลของคุณคือ Gaussian คุณต้องระบุรูปแบบของแบบฟอร์ม:

Yผม=μผม+Sผม+εผม,

สำหรับ n ข้อสังเกต 1ผมnกับ ε~ยังไม่มีข้อความ(0,τ2) แสดงถึงข้อผิดพลาดของ iid และ S~MVยังไม่มีข้อความ(0,σ2R) เป็นตัวแทนของคำเชิงพื้นที่ของคุณ (ที่ไหน S={S1,...,Sn}) ความหมายμผม อาจเป็นฟังก์ชั่นของ covariates อื่น ๆ (เช่น μผม=β0+β1xผม1+β2xผม2 เป็นต้น) หรืออาจเป็นเพียงค่าคงที่ (อาจเป็นการดีที่สุดที่จะเริ่มต้นด้วยวิธีหลังเพื่อความเรียบง่าย)

เมทริกซ์สหสัมพันธ์ Rสำหรับข้อกำหนดเชิงพื้นที่ (ซึ่งกำหนดความสัมพันธ์ที่คุณคิดว่าควรใช้ในการสังเกตแต่ละครั้ง) สามารถดูได้โดยการดูที่รูปแปรเชิงประจักษ์ โดยทั่วไปความสัมพันธ์ระหว่างการสังเกตจะถูกเลือกขึ้นอยู่กับระยะห่างระหว่างพวกเขา (นี่คือจุดที่พิกัดของคุณเข้ามาในแบบจำลอง)

บทที่ 2 ของรูปแบบภูมิศาสตร์ตามโมเดลโดย Diggle และ Ribeiro (2000) ควรให้รายละเอียดเพิ่มเติมกับคุณ geoR ของแพ็คเกจ R มีขั้นตอนมากมายสำหรับโมเดล geostatistical ที่เหมาะสมดังนั้นคุณอาจพบว่ามันมีประโยชน์ (ดูที่http://cran.r-project.org/web/packages/geoR/geoR.pdf )

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.