Régression géographiquement pondérée

Régression géographiquement pondérée

La Régression géographiquement pondérée («  Geographically Weighted Regression » ou «  GWR ») est une Régression (statistiques) adaptée au domaine de l'analyse spatiale et tenant compte de la dépendance géographique [1],[2]. Alors que dans la régression classique il est présupposé que le phénomène est stationnaire dans l'espace étudié, dès que l'analyste géographe observe une dépendance entre l'observation et le lieu géographique, il doit employer un modèle non stationnaire tels que GWR, CAR ou SAR.

Sommaire

Description

Formellement, le modèle peut s'écrire, en tout point (i,j) de l'espace géographique étudié:

y(i,j) =   X \beta(i,j) + \epsilon(i,j) où les β(i,j) sont estimés par :


\hat \beta(i,j) = (X^T W(i,j)X)^{-1}X^T W(i,j) y

La matrice W(i,j) = \begin{pmatrix} w_1(i,j) & 0 & \cdots & \cdots & 0 \\ 0 & \cdots & w_k(i,j)  & \cdots & 0 \\ 0 & \cdots & \cdots & \cdots & w_m(i,j) \end{pmatrix} où chaque wk(i,j) est porteur de la dépendance spatiale locale et s'exprime à l'aide d'une fonction noyau (« kernel ») du type gaussienne comme par exemple w_k(i,j) = e^{-0,5 (\frac{d_k(i,j)}{h})^2 }dk(i,j) est une mesure de la distance entre la k^{\grave eme} observation et le point de coordonnées spatiales (i,j), h est largeur de bande[2].

Utilisation

L'utilisation de cette régression est conseillée dès que le résidu est géographiquement dépendant[3]. On l'utilise donc dans la fouille de données spatiales.

La distance utilisée pour décrire la diminution du poids avec l'éloignement peut être la distance euclidienne quand les points sont répérés en coordonnées cartésienne ou bien la distance du grand cercle quand les coordonnées sphériques sont empoyées[2].

Notes et références

Notes


Références

  1. Shashi Shekhar, Michael R. Evans, James M. Kang, Pradeep Mohan, « « Identifying patterns in spatial information: A survey of methods » », 2011. Consulté le 23 septembre 2011
  2. a, b et c [PDF](en)Martin Charlton, A Stewart Fotheringham, « « Geographically Weighted Regression White Paper  » », 2009. Consulté le 23 septembre 2011
  3. [PDF](en)Christopher S. Fowler, « « Geographically Weighted Regression » », 2011. Consulté le 26 septembre 2011

Voir aussi

Bibliographie

  • (en) Harvey Miller et Jiawei Han, Geographic Data Mining and Knowledge Discovery, Boca Raton, CRC Press, 2009, 458 p. (ISBN 978-1-4200-7397-3) .Ouvrage utilisé pour la rédaction de l'article
  • (en)Yee Leung, Knowledge Discovery in Spatial Data, Heidelberg, Springer, 2010, 360 p. (ISBN 978-3-6420-2664-5) 
  • (en)Hillol Kargupta, Jiawei Han, Philip Yu, Rajeev Motwani et Vipin Kumar, Next Generation of Data Mining, Minneapolis, CRC Press, 2009, 605 p. (ISBN 978-1-4200-8586-0) 
  • Franck Guarnieri et Emmanuel Garbolino, Systèmes d'information et risques naturels, Paris, Presses des MINES, 2003, 251 p. (ISBN 978-2911762529) 

Articles connexes


Liens externes


Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Régression géographiquement pondérée de Wikipédia en français (auteurs)

Игры ⚽ Поможем написать реферат

Regardez d'autres dictionnaires:

  • Régression — Cette page d’homonymie répertorie les différents sujets et articles partageant un même nom. Sur les autres projets Wikimedia : « Régression », sur le Wiktionnaire (dictionnaire universel) Sommaire …   Wikipédia en Français

  • Auto-régression conditionnelle — 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 …   Wikipédia en Français

  • Auto-régression simultanée — Le Modèle d’Auto régression simultanée (« Simultaneous AutoRegressive Model » ou «  SAR ») est une généralisation du modèle de régression linéaire défini pour tenir compte de l autocorrelation spatiale dans les problèmes de… …   Wikipédia en Français

  • Fouille de données spatiales — Exploration de données Articles principaux Exploration de données Fouille de données spatiales Fouille du web Fouille de flots de données Fouille de textes …   Wikipédia en Français

  • Champ aléatoire de Markov — Les Champs aléatoires de Markov forment une famille d outils en Analyse spatiale et en fouille de données spatiales permettant la classification des phénomènes géolocalisés. Dans ces modèles les relations d interdépendances sont décrites par un… …   Wikipédia en Français

  • Variable régionalisée — La VR comme phénomène physique : topographie de la ville de Binche …   Wikipédia en Français

Share the article and excerpts

Direct link
Do a right-click on the link above
and select “Copy Link”