Mots-clés
Alberta ; Autocorrélation spatiale ; Calcul matriciel ; Canada ; Environnement ; Mammifère ; Modélisation ; Pondération spatiale ; Prévision ; Rocky Mountains ; Régression linéaire ; Statistique ; TestAlberta ; Canada ; Environment ; Forecast ; Linear regression ; Mammal ; Matrix analysis ; Modelling ; Rocky Mountains ; Spatial autocorrelation ; Spatial weighting ; Statistics ; TestAlbertá ; Autocorrelación espacial ; Canada ; Cálculo matricial ; Estadística ; Mamífero ; Medio ambiente ; Modelización ; Montes Rocosos ; Previsión ; Regresión lineal ; TestDeveloping spatial weight matrices for incorporation into multiple linear regression models : an example using grizzly bear body size and environmental predictor
Auteurs :TIMMINS, T.L.
HUNTER, A.J.S.
CATTET, M.R.L.
STENHOUSE, G.B.
Description :
On développe un modèle spatial autorégressif qui relie la longueur du corps de l'ours grizzli avec des variables prédictives de l'environnement dans les montagnes Rocheuses de l'Alberta, Canada. Modélisation de la dépendance spatiale. L'intégration de pondérations spatiales correspondant aux modèles SAR améliore l'ajustement et augmente l'importance des paramètres estimés par rapport au modèle linéaire. Examiner la dépendance spatiale dans les modèles de régression est important si l'on veut explorer la pertinence d'une base de sondage, les variables prédictives et la forme du modèle.
Type de document :
Article de périodique
Source :
Geographical analysis, issn : 0016-7363, 2013, vol. 45, n°. 4, p. 359-379, nombre de pages : 21, Références bibliographiques : 3 p.
Date :
2013
Editeur :
Pays édition : Etats-Unis, Columbus, OH, Ohio State University Press
Langue :
Anglais
Anglais
Droits :
Tous droits réservés © Prodig - Bibliographie Géographique Internationale (BGI)
Tous droits réservés © Prodig - Bibliographie Géographique Internationale (BGI)