Beschreibung
Ergebnisse aus Regressionsanalysen sind nur dann verlässlich, wenn das Modell und die Daten den Annahmen und Einschränkungen dieser Methode entsprechen. Die statistisch signifikante räumliche Autokorrelation in den Regressionsresiduen zeigt falsche Angaben (das Fehlen einer wichtigen erklärenden Variable) an. Die Ergebnisse sind ungültig, wenn ein Modell falsch angegeben wurde.
Lösung
Führen Sie das Werkzeug Räumliche Autokorrelation (Morans I) für die Regressionsresiduen in der Ausgabe-Feature-Class aus. Wenn der Z-Wert darauf hindeutet, dass die räumliche Autokorrelation statistisch signifikant ist, ordnen Sie die Residuen zu, und führen Sie für die Residuen eine Hot-Spot-Analyse durch. So lässt sich feststellen, ob das räumliche Muster aus zu hohen und zu niedrigen Vorhersagen Anhaltspunkte dazu gibt, ob im Modell wichtige Variablen fehlen. Wenn Sie die fehlenden wichtigen Variablen nicht identifizieren können, sind die Ergebnisse der Regression ungültig. Sie sollten die Verwendung einer räumlichen Regressionsmethode, die zur räumlichen Autokorrelation im Fehlerterm konzipiert ist, in Betracht ziehen. Wenn räumliche Autokorrelation in OLS-Residuen auf nicht stationäre räumliche Prozesse zurückzuführen ist, verwenden Sie die Geographisch gewichtete Regression statt OLS.