Le portail francophone de la géomatique

Bonjour

Lorsqu'un phenomene peut etre explique essentiellement par une seule
variable, la modelisation lineaire permettra d'affirmer quel est l'impact
effectif de la variable quels que soient les lieux de la zone que l'on
analyse (je raisonne bien entendu en analyse spatiale) si l'on utilise un
modele lineaire (toujours avec une seule variable) cela impliquera que la
variable est explicative, mais pas de facon uniforme sur le territoire
etudie.

Pour l'analyse avec 1 variable, je pense qu'il est preferable d'utiliser le
modele lineaire et ensuite de considerer les ecarts au modele afin de
trouver une explication de ces  residus .

Si le phenomene depend de plusieurs variables, on peut effectuer des
correlations multiples, mais l'analyse devient alors tres lourde et complexe
en analyse spatiale. Car en fait la localisation en tant que telle est aussi
une variable. Donc lorsqu'on pratique une analyse monovariee dans l'espace,
elle est en fait bi-variee de par l'impact de l'espace.

Personnellement j'hesite a utiliser des approches multivariees, bien qu'une
piste interessante soit ouverte par la theorie neuronale de Kohonen qui
tient compte de l'impact de l'effet proximite entre les localisation
spatiales des valeurs qui creent des interactions entre elles.
Le reseau de Kohonen est utilise en data mining, mais n'a pas a ma
connaissance fait l'objet de tests en analyse spatiale.

Cordialement

PH.LATOUR