Global Spatial Error Model

Imaginez exécuter une régression standard sur des données géographiques — taux de criminalité, prix des logements, ou comptages de maladies dans différents districts — et remarquer que les résidus dans les zones voisines sont systématiquement similaires. Les Moindres Carrés Ordinaires (OLS) traitent ces erreurs comme indépendantes, gonflant la confiance dans les résultats. Le SEM Global reconnaît que des influences non mesurées (type de sol, politique régionale, infrastructure partagée) débordent les frontières et modélise explicitement ce débordement comme un unique paramètre d'autocorrélation spatiale. Cela nettoie les résidus et fournit des erreurs standard fiables pour les prédicteurs qui vous intéressent réellement.