Model SAC przestrzenny

Model przestrzenny z łączną autoregresją (SAC), znany również jako model SARAR, jednocześnie uwzględnia zależność przestrzenną zarówno w zmiennej zależnej, jak i w składniku błędu. Sformalizowany przez LeSage'a i Pace'a (2009), model SAC łączy model opóźnienia przestrzennego i model błędu przestrzennego w jedną ramę, szacując dwa odrębne parametry autoregresji przestrzennej – jeden opisujący substancjalną interakcję przestrzenną między wynikami, a drugi opisujący szczątkową korelację przestrzenną między zakłóceniami.