Regression modelGIS / spatial
Robust Local Indicators of Spatial Association (Robust LISA)
Robust Local Indicators of Spatial Association(Robust LISA)는 Anselin의 LISA 프레임워크를 확장하여 이상치, 극단값 및 공간적으로 이질적인 모집단을 처리합니다. 공간 가중치 또는 표준화된 값에 이상치에 강한 조정을 적용함으로써 Robust LISA는 매우 영향력 있는 관측치로 인한 왜곡 없이 통계적으로 유의미한 지역 클러스터 및 공간적 이상치를 식별합니다.
MethodMind에서 열기곧 제공Apply, compare, get guidance
Tools & resources
Learn & explore
동영상곧 제공
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Anselin, L. (1995). Local indicators of spatial association—LISA. Geographical Analysis, 27(2), 93–115. DOI: 10.1111/j.1538-4632.1995.tb00338.x ↗
- Assuncao, R. M., & Reis, E. A. (1999). A new proposal to adjust Moran's I for population density. Statistics in Medicine, 18(16), 2147–2162. DOI: 10.1002/(SICI)1097-0258(19990830)18:16<2147::AID-SIM179>3.0.CO;2-I ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Local Indicators of Spatial Association. ScholarGate. https://scholargate.app/ko/spatial-analysis/robust-local-indicators-of-spatial-association
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 지역 기어 C (Local Geary's C)공간분석↔ 비교
- Local Getis-Ord Gi* (핫스팟 분석)공간분석↔ 비교
- 공간적 연관성의 지역 지표(LISA)공간분석↔ 비교
- 지역적 모란 I (LISA)공간분석↔ 비교
- 강건한 공간 자기상관공간분석↔ 비교
- 공간 자기상관공간분석↔ 비교