Я планирую включить координаты в качестве ковариат в уравнение регрессии, чтобы скорректировать пространственный тренд, который существует в данных. После этого я хочу протестировать остатки на пространственной автокорреляции в случайной вариации. У меня есть несколько вопросов:
Должен ли я выполнять линейную регрессию, в которой только независимые переменные являются координатами и а затем проверять невязки на пространственной автокорреляции, или лучше включить не только координаты в качестве ковариат, но и другие переменные, а затем проверять невязки.
Если я ожидаю иметь квадратичный тренд, а затем включить не только , но также , и , но тогда некоторые из них ( и ) будут иметь значение выше, чем Порог - следует ли исключить те переменные с более высоким значением как незначимые? Как мне тогда интерпретировать тенденцию, она больше не является квадратичной?
Я полагаю, что я должен рассматривать координаты и как любые другие ковариаты и проверять их наличие линейных отношений с зависимой переменной путем построения частичных остаточных графиков ... но затем, как только я преобразую их (если они покажут, что им нужно преобразование), это не будет будь такого рода тренд больше (особенно если я включаю , и для квадратичного тренда). Это может показать, что , например, нуждается в преобразовании, а нет или нет? Как мне реагировать в этих ситуациях?
Спасибо.