Quand utiliser la régression spatiale pour l'analyse de proximité

Question

Je ne sais pas si je devrais utiliser la régression spatiale pour l'analyse de proximité que j'essaie de faire.

Je vais juste décrire le scénario et l'objectif:

Les gens affirment que les dépanneurs réduisent la valeur des propriétés à proximité. Je veux vraiment le prouver. Je veux donc essentiellement prouver: existe-t-il une relation statistiquement significative entre la valeur de votre maison et votre proximité avec un dépanneur?

Voici les couches de données avec lesquelles je travaille pour la ville ciblée:

• polygones vectoriels de maisons en 2010 (contient les valeurs de propriété de chaque maison)
• polygones vectoriels de maisons en 2015 (contient les valeurs de propriété de chaque maison)
• polygones vectoriels de dépanneurs en 2015

Fondamentalement, je pense que je devrais d'abord savoir combien la valeur des propriétés a changé entre 2010 et 2015, en prenant la couche 2015 maisons et en soustrayant la couche 2010 maisons. À partir de là, je produirais une couche qui montrerait les maisons en rouge (négatif) ou en vert (positif) avec différentes nuances. Donc, dans cette nouvelle couche, si une maison était rouge, cela signifierait que la valeur de la maison a diminué et si elle était verte, cela signifierait que la valeur de la maison a augmenté. J'imagine que ceux-ci sont de différentes nuances, donc le rose signifierait juste une petite baisse de valeur, et le rouge foncé signifierait une baisse de valeur, et de même pour le vert, où la valeur du vert clair a légèrement augmenté et vert foncé signifie que la valeur a augmenté. Bien sûr, j'aurais d'abord besoin de voir s'il existe une autocorrélation spatiale associée aux valeurs de propriété.

J'aurais maintenant toutes ces maisons rouges et vertes de différentes nuances et dépanneurs. Ma question est la suivante: comment montrer s'il existe une relation entre la proximité des dépanneurs et la valeur foncière des maisons? Normalement, je pense que cela nécessiterait simplement une régression, mais comme il s'agit de proximité, cela ne nécessiterait-il pas une régression spatiale ou une régression pondérée géographiquement? Mon approche semble-t-elle raisonnable? J'essaie simplement de comprendre à quoi ressemblerait le résultat de cette régression et comment l'interpréter. De quels outils et méthodes QGIS aurais-je besoin pour cela?

Answer 1

Cela semble être un travail intéressant. Une solution statistique simple peut être de cartographier les résidus de régression linéaire de chaque maison, en fonction de la distance par rapport au changement de valeur de la propriété. (Il y a un million d'autres facteurs ici, comme l'accessibilité, la distance linéaire ne reflète pas nécessairement la proximité, etc.)

Une activité de départ simple pourrait donc être:

• Introduisez un nouveau champ calculé sur les polygones vectoriels de votre maison, qui est un champ calculé en fonction de la distance au dépanneur le plus proche
• Introduisez un nouveau champ appelé "Résiduels". Ce sera la valeur du résidu par rapport à la régression linéaire.

Ensuite, vous pouvez mapper les résidus.

Des cartes supplémentaires pour compléter cela pourraient être

• Vous pouvez colorier selon votre rouge / vert ci-dessus, mais dans les perspectives suivantes
• Maisons à moins de 500m
• Maisons de plus de 500 m (ou quelle que soit la distance que vous jugez appropriée).

Alternativement - Vous pouvez également créer la carte `` Convenience Store Centric '' - c'est-à-dire cartographier les dépanneurs qui ont X nombre de maisons avec 500 m en dessous de la moyenne. (peut-être redimensionner l'emplacement «point» du dépanneur.

Une autre chose que vous voudrez peut-être envisager est de savoir si une maison se trouve ou non à une distance choisie de DEUX magasins de proximité. (cela pourrait introduire une sorte d'élément d'analyse pondéré dans votre cartographie).

Il y a une question similaire posée ici, qui donne plus de détails sur les outils qu'ils ont utilisés.

Calcul de la corrélation spatiale entre les entités de deux couches séparées dans QGIS

Le calcul du résidu est probablement la partie la plus difficile, il peut être assez simple de créer une table non spatiale, avec les résultats résiduels, et de simplement faire une jointure à vos données géographiques. (De cette façon, vous pouvez effectuer la régression linéaire résiduelle en dehors de QGIS, puis la réimporter sous forme de tableau plat).