Auto-régression conditionnelle
Cet article est une ébauche concernant les probabilités et la statistique.
Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.
Le Modèle d’Auto-régression conditionnelle (« Conditional AutoRegressive Model » ou « CAR ») est une généralisation du modèle de régression linéaire défini pour tenir compte de l'autocorrelation spatiale dans les problèmes de classification et de régression spatiale[1]. Alors que dans la régression classique il est présupposé que le phénomène est stationnaire dans l'espace étudié, dès que l'analyste géographe détecte une dépendance entre l'observation effectuée et le lieu géographique, il doit employer un modèle non stationnaire tels que CAR, SAR ou GWR.
Description
Ce modèle prend la forme suivante :
où ρ est un coefficient d’auto-régression, W est la matrice de poids spatiaux, x les variables explicatives, y la variable expliquée, ε représente l'erreur[1].
Utilisation
On l'utilise ces modèles dans la fouille de données spatiales.
Notes et références
Notes
Références
Voir aussi
Bibliographie
- (en) Harvey Miller et Jiawei Han, Geographic Data Mining and Knowledge Discovery, Boca Raton, CRC Press, , 458 p. (ISBN 978-1-4200-7397-3).
Articles connexes
- Régression linéaire
- Régression linéaire multiple
- Régression logistique
- Modèle linéaire généralisé
- Régression non paramétrique
- Modèles de régression multiple postulés et non postulés
- Régression géographiquement pondérée
- Champ aléatoire de Markov
- Auto-régression simultanée
