Wann würde man es vorziehen, ein bedingtes autoregressives Modell gegenüber einem simultanen autoregressiven Modell zu verwenden, wenn autokorrelierte georeferenzierte Luftdaten modelliert werden?
Wann würde man es vorziehen, ein bedingtes autoregressives Modell gegenüber einem simultanen autoregressiven Modell zu verwenden, wenn autokorrelierte georeferenzierte Luftdaten modelliert werden?
Antworten:
Wie aus der Encyclopedia of GIS hervorgeht , ist das bedingte autoregressive Modell (CAR) für Situationen mit Abhängigkeit erster Ordnung oder relativ lokaler räumlicher Autokorrelation geeignet, und das simultane autoregressive Modell (SAR) ist besser geeignet, wenn eine Abhängigkeit zweiter Ordnung oder eine globalere räumliche Autokorrelation vorliegt .
Dies wird dadurch verdeutlicht, dass CAR die räumliche Version der Markov-Eigenschaft einhält , dh davon ausgeht, dass der Zustand eines bestimmten Gebiets durch seine Nachbarn beeinflusst wird und nicht durch die Nachbarn von Nachbarn usw. (dh es ist stattdessen räumlich „memorylos“) von zeitlich), wohingegen SAR nicht davon ausgeht. Dies ist auf die unterschiedlichen Arten zurückzuführen, in denen sie ihre Varianz-Kovarianz-Matrizen angeben. Wenn die räumliche Markov-Eigenschaft erhalten wird, bietet CAR eine einfachere Möglichkeit, autokorrelierte georeferenzierte Flächendaten zu modellieren.
Weitere Informationen finden Sie unter GIS- und Geodatenanalyse: Konvergierende Perspektiven .