• Journal of Korean Society of Transportation
• /
• v.29 no.2
• /
• pp.101-109
• /
• 2011

In most of the urbanized cities, socio-economic attributes tend to cluster as patterns of similarity in space, namely spatial autocorrelation, by agglomeration forces. The classical linear regression model, the most frequently adopted in the trip generation step, cannot sufficiently represent this effect. In order to take into account the effect properly, we need a model which adequately deals with the spatial dependence patterns. In this study, the Geographically Weighted Regression (GWR) model is adopted as an alternative method for the local analysis of relationships in multivariate data sets; that is GWR extends this traditional regression framework by estimating local rather than global parameters. This study shows the existence of spatial effects in the production and attraction of home base/non-home based trips through the GWR model using travel data collected in Daegu metropolitan area. Furthermore, LISA is employed to verify the fact that the local spatial autocorrelation exists.

• Journal of the Korean Data and Information Science Society
• /
• v.27 no.5
• /
• pp.1133-1146
• /
• 2016

Counts or averages over arbitrary regions are often analyzed using conditionally autoregressive (CAR) models. The spatial neighborhoods within CAR model are generally formed using only the inter-distance or boundaries between the sub-regions. Kyung and Ghosh (2009) proposed a new class of models to accommodate spatial variations that may depend on directions, using different weights given to neighbors in different directions. The proposed model, directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Bayesian inference method is discussed based on efficient Markov chain Monte Carlo (MCMC) sampling of the posterior distributions of the parameters. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

• The Korean Journal of Applied Statistics
• /
• v.29 no.5
• /
• pp.835-847
• /
• 2016

To analyze lattice or areal data, a conditionally autoregressive (CAR) model has been widely used in the eld of spatial analysis. The spatial neighborhoods within CAR model are generally formed using only inter-distance or boundaries between regions. Kyung and Ghosh (2010) proposed a new class of models to accommodate spatial variations that may depend on directions. The proposed model, a directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Properties of maximum likelihood estimators of a Gaussian DCAR are discussed. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

• Korea journal of population studies
• /
• v.32 no.3
• /
• pp.1-20
• /
• 2009

본 연구는 지리정보시스템(GIS)과 지리적 가중 회귀(GWR)를 이용하여 건강 관련 삶의 질(HRQoL)의 사회인구학적 상관요인에 대한 공간분석을 시도한다. 관찰의 독립성과 오차의 동분산성을 가정하는 전통적 회귀분석과 달리, 지리적 가중 회귀분석은 속성정보뿐만 아니라 공간정보를 활용하는 공간분석 기법이다. 분석모형은 건강 관련 삶의 질을 종합적으로 측정하는 EQ-5D를 종속변수로 하고 지역의 사회인구학적 특성인 노령인구비율, 조이혼율, 병상수, 재정자주도를 독립변수로 하여 구성하였다. 종속변수는 질병관리본부에서 실시한 <지역사회건강조사>의 자료를 이용하였고, 독립변수는 통계청 온라인 DB에 수록된 지역별 자료를 이용하였다. 모형을 추정해 본 결과 전반적으로 사회적 특성보다는 노령인구비율이나 조이혼율과 같은 인구학적 특성이 건강 관련 삶의 질에 더 많은 영향을 미치는 것으로 나타났다. 공간적 변이를 고려하는 지역모형은 전역모형에서 드러나지 않았던 중요한 유형을 보여주는데, 노령인구비율 변수와 조이혼율 변수의 지역별 추정치를 지도상으로 살펴본 결과 변수들의 효과가 공간적 위치에 따라 차이를 보인다는 점이 확인되었다. 분석 결과는 또한 지리적 가중 회귀분석이 전통적 회귀분석에 비해 공간적 자기상관의 문제를 극복하고 모형의 부합도를 증가시킨다는 것을 보여준다.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.3
• /
• pp.561-568
• /
• 2015

In this study we predict apartment prices per unit in Daegu-Gyeongbuk areas by spatial lag and spatial error models, both of which belong to so-called spatial regression model. A spatial weight matrix is constructed by k-nearest neighbours method and then the models for the apartment prices in March, 2012 are fitted using the weight matrix. The apartment prices in March, 2013 are predicted by the fitted spatial regression models and then performances of two spatial regression models are compared by RMSE (root mean squared error), RRMSE (root relative mean squared error), MAE (mean absolute error).

• Journal of the Korean Association of Geographic Information Studies
• /
• v.20 no.3
• /
• pp.125-140
• /
• 2017

Until recently, regression based spatial interpolation methods and Kriging based spatial interpolation methods have been largely used to estimate land price or housing price, but less attention has been paid on comparing the performance of these spatial interpolation methods. In this regard, this research applied regression based spatial interpolators and Kriging based spatial interpolators for estimating the land prices in Dalseo-gu, Daegu metropolitan city and evaluated the accuracy of eight spatial interpolators. OLS, SLM, SEM, and GWR were used as regression based spatial interpolators while SK, OK, UK, and CK were employed as Kriging based spatial interpolators. The global accuracy was statistically evaluated by RMSE, adjusted RMSE, and COD. The relative accuracy was visually compared by three-dimensional residual error map and scatterplot. Results from statistical and visual analyses indicate that GWR reflecting the spatial non-stationarity was a relatively more accurate spatial predictor to estimate land prices in the study area than SAR and Kriging based spatial interpolators considering the spatial dependence. The findings from this research will contribute to the secondary research into analyzing the urban spatial structure with land prices.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.36 no.4
• /
• pp.723-733
• /
• 2016

This study aims to analyze the effects of urban characteristics on the amount of damage caused by natural disasters. It is focused on the areas of a municipal level in Korea. Also, it takes into account the spatial autocorrelation of the damage caused by natural disasters. Moran's I statistics was estimated to examine the spatial autocorrelation in the damage from the study area. Subsequent to evaluating the suitability for spatial regression models and the OLS regression model, the spatial lag model was employed as an empirical analysis for the study. It showed that the increase in residential area leads to the decrease in the amount of natural disaster damage. On the other hand, the increase in green area and river basin is associated with the increase in the damage. As a result of empirical analysis, appropriate policy establishment and implementation about the damage-adding factors is needed in order to reduce the amount of damage in the future.

• Communications for Statistical Applications and Methods
• /
• v.16 no.2
• /
• pp.265-275
• /
• 2009

This paper considers a linear regression model with a spatial autoregressive disturbance with ill-posed data and proposes the generalized maximum entropy(GME) estimator of regression coefficients. The performance of this estimator is investigated via Monte Carlo experiments. The results show that the GME estimator provides efficient and robust estimate for the unknown parameter.

• Environmental and Resource Economics Review
• /
• v.7 no.1
• /
• pp.61-84
• /
• 1997

본 연구는 기존의 특성가격기법(特性價格技法)(hedonic price technique)에 공간(空間)개념을 도입한 계량경제모형을 이용하여 분석하였다. 이 공간시차모형은 기존의 모형과 달리 특성변수의 변화에 따른 직(直) 간접효과(間接效果)를 동시에 포착할 수 있는 장점을 가지고 있다. 또한 공간시차모형의 회귀진단 및 가설검정 결과는 공간시차모형이 적합한 것으로 나타났다. 이 경우 공간시차를 고려하지 않은 OLS 회귀분석 결과의 계수들은 편기추정(biased)된 동시에 효율적(efficiency)이지 못하다는 것이다. 회귀분석 결과는 주택에 자본화된 대기오염에 대한 잠재가격(潛在價格)(marginal implicit price)은 주택평균가격의 약 1.5% 정도인 것으로 추정된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.23-23
• /
• 2018

본 연구에서는 다중분위회귀분석모형(Multiple Quantile Regression Model, MQRM)과 MODIS(MODerate resolution Imaging Spectroradiometer) LST (Land Surface Temperature) 자료를 이용하여 전국 공간토양수분을 산정하였다. 공간토양수분을 산정하기 위한 과정은 크게 두가지로 구분된다. 첫 번째로 기존의 MODIS LST 자료를 조건부 합성 보정기법을 적용하여 실측 LST 자료와 비교하여 위성 LST 자료가 갖고 있는 오차를 보정하였다. 그 결과, 조건부 합성 보정기법을 적용하기전 전국 71개 지상관측지점에서 관측한 실측 LST와 MODIS LST의 $R^2$는 전체 평균 0.70으로 어는정도 유의성 있는 상관관계를 나타냈으나 조건부 합성 보정기법을 적용한 후 실측 LST와 MODIS LST의 $R^2$는 전체 평균 0.92로 상당히 크게 향상됨을 알 수 있었다. 두 번째로 보정된 MODIS LST를 이용하여 다중분위회귀분석 모형을 개발하고 토양수분을 예측하는 단계로 입력자료로 위성영상 자료와 관측자료를 융합하여 사용하였다. 위성영상 자료로는 보정된 MODIS LST와 MODIS NDV를 구축하였고 일단위 강수량 및 일조시간의 기상자료는 기상청으로부터 전국 71개 지점에 대해 구축하여 IDW 공간보간기법을 이용한 공간자료로 구축하였다. 토양수분 결과를 비교하기 위한 관측 토양수분은 자동농업기상관측(Automated Agriculture Observing System, AAOS)지점에서 2013년 1월부터 2015년 12월까지의 실측 일단위 토양수분 자료를 구축하여 사용하였다. 다중분위회귀분석 모형은 LST 인자를 중심으로 각각의 분위(0.05, 0.25, 0.5, 0.75, 0.95)에 해당되는 값의 회귀식을 NDVI, 강수 입력자료를 독립인자로서 조합하여 계절 및 토성에 따른 총 80개의 회귀식을 산정하였다. 관측 토양수분과 모의 토양수분을 비교한 결과 $R^2$가 0.70 (철원), 0.90 (춘천), 0.85 (수원), 0.65 (서산), 0.78 (청주), 0.82 (전주), 0.62 (순천), 0.63 (진주), 0.78 (보성)로 높은 상관성을 보였다. 본 연구에서는 다중분위회귀 모형의 성능을 검증하기 위해 기존의 다중선형회귀모형의 결과와 비교하여 크게 개선됨을 나타냈다.