Modèle de régression spatiale ou de décalage spatial

Cette séance de cours traite des modèles de régression spatiale, en se concentrant sur l'autocorrélation spatiale et les défis qu'elle pose dans la régression linéaire traditionnelle. Il explore le concept de modèles de décalage spatial, qui rendent compte de la relation systématique entre les valeurs dans les zones adjacentes, conduisant à une surestimation de la relation entre les variables. L'instructeur présente des méthodes telles que la régression pondérée géographique (REG) et la régression linéaire pondérée spatialement pour résoudre ces problèmes, en soulignant l'importance de tenir compte des variations locales des attributs. La séance de cours couvre également le calcul des termes de décalage spatial, l'impact des coefficients autorégressifs et la correction des biais induits par l'autocorrélation spatiale. Grâce à des exemples et des explications théoriques, les étudiants apprennent à appliquer ces modèles pour faire des inférences plus précises dans l'analyse des données spatiales.