Annonce
L'appel à participation est ouvert jusqu'au 19 janvier 2025!
#1 Tue 17 November 2020 15:22
- stella_sirius
- Participant occasionnel
- Date d'inscription: 27 Sep 2013
- Messages: 34
Autocorrélation spatiale
Bonjour;
j'aimerai faire une analyse de mes données et voir si elles sont corrélées entre elles ou pas, mes données se présentent comme des fichiers csv , chaque fichier représente les échantillons d'une classe: par exemple fichier urbain contient les positions des pixels représentés par l'urbain x et y, leur position sur la carte, la longitude et lattitude ainsi que leur valeur ACP.
en voulant appliquer l'indice de Moran sur la variable urbain, j'aurai voulu savoir si mon raisonnement est bon de vouloir calculé l'autocorrélation entre les échantillons de la classe urbain, aussi comme résultat j'ai eu un p value =0.
si vous avez d'autres méthodes pour caucluer l'autocorrélation spatiale ça serait gentil.
Merci d'avance
Hors ligne
#2 Tue 17 November 2020 18:41
- Bénédicte
- Moderateur
- Lieu: Grenoble
- Date d'inscription: 22 Dec 2011
- Messages: 701
Re: Autocorrélation spatiale
Bonjour,
Si je comprends bien vous cherchez à savoir si les valeurs des pixels dépendent de la position géographique du pixel.
Je pense que le fait de réduire votre échantillon à la classe urbaine uniquement n'est pas statistiquement correct. Personnellement je garderais tous les classes ensembles et lancerais un test d'autocorrélation.
Je ne sais pas si l'indice de Moran est le plus adapté, il me semble que le choix des modèles en statistiques peut faire l'objet d'une pré-étude afin de savoir quels modèles/algorithmes utiliser pour tenter de décrire vos données. Peut-être devriez-vous vous renseigner à ce sujet.
Si l'outil que vous avez utilisé pour calculer cet indice est issu d'Arcgis, sa documentation est bien renseignée : https://desktop.arcgis.com/fr/arcmap/la … ial-st.htm
Notamment concernant l'interprétation du résultat et les conclusions à tirer : peut-on oui ou non rejeter l'hypothèse nulle du modèle qui est, en l'occurrence, "les variables sont réparties de manière aléatoires".
Bonne continuation,
Bénédicte
Hors ligne
#3 Wed 18 November 2020 10:07
- stella_sirius
- Participant occasionnel
- Date d'inscription: 27 Sep 2013
- Messages: 34
Re: Autocorrélation spatiale
Bonjour Bénédicte et merci pour votre réponse rapide,
c'est exactement ce que je cherche à savoir si les échantillons proches spatialement se ressemblent ou pas, la question que je me pose je ne sais pas si l'indice de Moran est mieux adapté pour mes données, j'ai utilisé le package ape sur R pour calculé l'indice de Moran.
Pour moi quand je prends les classes indépendamment il va calculé la distance entre elles puis applique l'indice de Moran entre la variable et la matrice de distances, par contre je ne vois pas comment cela pourrait se déroulé en prenant toutes les classes. si vous pouvez me l'éclaircir svp.
Merci par avance
Dernière modification par stella_sirius (Wed 18 November 2020 10:09)
Hors ligne
#4 Wed 18 November 2020 16:16
- Bénédicte
- Moderateur
- Lieu: Grenoble
- Date d'inscription: 22 Dec 2011
- Messages: 701
Re: Autocorrélation spatiale
Bonjour,
Je ne suis pas statisticienne, mais concernant les tests et hypothèses, j'avais trouvé pas mal d'infos utiles sur cette source : https://www.datanovia.com/en/fr/courses … ypotheses/
Je me permets de la citer ici :
"Bon nombre des méthodes statistiques, notamment la corrélation, la régression, le test t et l’analyse de la variance, supposent certaines caractéristiques des données. En général, ils supposent que:
les données suivent une distribution normale
et les variances des groupes à comparer sont homogènes (égales).
Ces hypothèses doivent être prises au sérieux pour tirer une interprétation et des conclusions fiables de la recherche.
Ces tests - corrélation, t-test et ANOVA - sont appelés tests paramétriques, car leur validité dépend de la distribution des données.
Avant d’utiliser les tests paramétriques, certains tests préliminaires doivent être effectués pour s’assurer que les hypothèses de test sont respectées. Dans les cas où les hypothèses ne sont pas respectées, il est recommandé d’utiliser des tests non paramétriques."
Cette source explique succinctement les 2 tests d'auto corrélation spatiale les plus usités : Moran et Geary. Peut-être cela répondra-t-il à votre questionnement concernant le choix de l'indice calculé https://pbil.univ-lyon1.fr/R/pdf/bsa.pdf
Je ne connais pas le détail des paramètres en entrée et sortie du test de Moran, mais d'un point de vue statistique, si on se demande si les valeurs des pixels varient selon leur voisinage, il faut garder tout l'échantillon de pixels. Mais d'un autre côté la classe "urbain" représente des évènements distants et vous cherchez à savoir s'il y a une corrélation entre un évènement et ses voisins. L'avis d'un.e spécialiste serait bienvenu.
B.
Hors ligne
