The Korean Journal of Applied Statistics (응용통계연구)

The Korean Statistical Society (한국통계학회)
권호 표지
DOI QR코드

DOI QR Code

Comparison between Kriging and GWR for the Spatial Data

공간자료에 대한 지리적 가중회귀 모형과 크리깅의 비교

  • Kim Sun-Woo (Department of Information and Statistics, Chungbuk National University) ;
  • Jeong Ae-Ran (Department of Information and Statistics, Chungbuk National University) ;
  • Lee Sung-Duck (Department of Information and Statistics, Basic science research institute, Chungbuk National University)
  • 김선우 (충북대학교 정보통계학과) ;
  • 정애란 (충북대학교 정보통계학과) ;
  • 이성덕 (충북대학교 정보통계학과, 기초과학연구소)
  • Published : 2005.07.01
Download PDF
⟨ Previous Next ⟩

Abstract

Kriging methods as traditional spatial data analysis methods and geographical weighted regression models as statistical analysis methods are compared. In this paper, we apply data from the Ministry of Environment to spatial analysis for practical study. We compare these methods to performance with monthly carbon monoxide observations taken at 116 measuring area of air pollution in 1999.

공간상관이 존재하는 지리통계 자료(geostatistical data)에 대하여 일반적으로 널리 사용되는 Kriging 모형과 통계학적 공간자료 분석모형인 지리적 가중회귀 모형을 고려하고, 미지의 위치에 대한 예측력을 비교해 본다. 두 모형의 예측력을 검토하기 위하여 환경부 자료를 실증사례로 활용한다. 전국의 116개 대기오염 측정망에서 얻은 1999년의 월별 일산화탄소(Co/ppm) 자료의 평균을 구하여 Kriging모형과 지리적 가중회귀 모형에 적합하고 미지의 위치를 예측하여 예측오차제곱합(PRESS)으로 각각의 방법에 대한 예측성능을 비교한다.

Keywords

References

  1. 장지회, 홍태영, 남궁평 (2003), Spatial data analysis using the kriging method, <한국통계학회 논문집>, 10, 423-432 https://doi.org/10.5351/CKSS.2003.10.2.423
  2. 최승배, 강창완 (2001), 주성분점수를 이용한 이변량 공간자료에 대한 강도분석, <응용통계연구>, 14, 415-427
  3. Brunsdon, C., A. S. Fotheringham, and M. E. Charlton. (1996). Goegraphically weighted regression: A method for exploring spatial non stationarity, Geographical analysis, 28, 281-298 https://doi.org/10.1111/j.1538-4632.1996.tb00936.x
  4. Cressie, N. and Hawkins, D. M. (1980). Robust estimation of the variogram, Mathematical Geology, 12, 115-125 https://doi.org/10.1007/BF01035243
  5. Isaaks, E. h. and Srivastava, R. M. (1989). An Introduction to Applied Geostatistics. Oxford university press., New York
  6. Lesage, J. P. (2001). A family of Geographically Weighted Regression Models, Technical Report
  7. Matheron, G(1963). Principles of geostatistics, Economic Geology, 58, 1246-1266 https://doi.org/10.2113/gsecongeo.58.8.1246
  8. McMillen, Daniel P. and John F. McDonald. (1998). Locally weighted maximum likelihood estimation: Monte Carlo evidence and an application, Paper presented at the Regional Science Association International meetings, Santa Fe, NM
  9. Robinson, G.K. (1991). That BLUP is a good thing: The estimation of random effects, Statistical Science, 6, 15-51 https://doi.org/10.1214/ss/1177011926