Regressionsanalyse ist wahrscheinlich die am häufigsten verwendete Statistik in den Sozialwissenschaften. Regression wird zur Auswertung von Beziehungen zwischen zwei oder mehreren Feature-Attributen verwendet. Durch die Identifizierung und Messung von Beziehungen können Sie besser verstehen, welche Ereignisse an einem Ort auftreten, vorhersagen, wo Ereignisse eintreten könnten, oder Ursachen für das Auftreten von Ereignissen an bestimmten Orten untersuchen.
Kleinste Quadrate (Ordinary Least Squares, OLS) ist die bekannteste Regressionstechnik. Dies ist auch der richtige Ausgangspunkt für alle räumlichen Regressionsanalysen. OLS bietet ein globales Modell der Variablen oder des Prozesses, die bzw. den Sie versuchen, zu verstehen oder vorherzusagen; es erstellt eine einzelne Regressionsgleichung zur Darstellung dieses Prozesses.
Es gibt zahlreiche gute Ressourcen, mit denen Sie mehr über die OLS-Regression und die geographisch gewichtete Regression erfahren können. Beginnen Sie, indem Sie die Dokumentation Grundlagen zur Regressionsanalyse lesen und/oder das kostenlose einstündige Webseminar des ESRI Virtual Campus zum Thema Grundlagen zur Regressionsanalyse anschauen. Arbeiten Sie dann ein Lernprogramm zur Regressionsanalyse durch. Sobald Sie beginnen, eigene Regressionsmodelle zu erstellen, können Sie die Dokumentation Interpretieren von OLS-Regressionsergebnissen lesen, um weitere Informationen zur OLS-Ausgabe und zu OLS-Diagnosen zu erhalten.
Zusätzliche Quellen
Mitchell, Andy. The ESRI Guide to GIS Analysis, Volume 2. ESRI Press, 2005.
Wooldridge, J. M. Introductory Econometrics: A Modern Approach. South-Western, Mason, Ohio, 2003.
Hamilton, Lawrence C. Regression with Graphics. Brooks/Cole, 1992.