Mardi Introduction, rappels de statistique classique |
Mercredi Auto-corrélation spatiale, régression spatiale |
Jeudi Régression géographiquement pondérée |
Vendredi Conclusion, bilan |
|
---|---|---|---|---|
Matin |
10h30-11h Présentation des différentes méthodes et de leurs applications F. Audard, G. Le Campion 11h-12h30 Corrélation et régression classiques F. Audard, G. Le Campion |
8h30-10h30 Voisinage, bande passante, noyau, matrice de poids, auto-corrélation spatiale, LISA S. Oliveau, L. Reboul 11h-12h Application sur GeoDa (atelier) S. Oliveau |
9h-12h GWR : Théorie et cas pratiques T. Feuillet, F. Audard |
8h30-10h30 Remise en perspective des méthodes utilisées Pour aller plus loin : autres méthodes, multi-niveau, aggrégation des données T. Feuillet, Y. Doignon 11h-12h30 Temps d’échange, bilan, questionnaire |
Déjeuner | ||||
Après-midi |
14h-17h Corrélation et régression avec GeoDa ou R (atelier au choix) GeoDa : F. Audard, Y. Doignon, S. Oliveau R : G. Le Campion, L. Reboul |
13h30-14h Exemple appliqué de recherche sur l’autocorrélation spatiale S. Oliveau 14h-15h30 Régression spatiale L. Reboul, Y. Doignon 16h-17h30 Régression spatiale avec GeoDa ou R (atelier au choix) GeoDa : F. Audard, Y. Doignon, S. Oliveau R : L. Reboul, T. Feuillet, G. Le Campion |
13h30-16h30 GWR avec MGWR ou R (atelier au choix) MGWR : F. Audard, Y. Doignon, S. Oliveau R : T. Feuillet, L. Reboul, G. Le Campion |
14h-16h OPTIONNEL Application sur données stagiaires, retours sur des points de la formation (atelier) Tous les intervenants ! |
Intervenants :
La première matinée sera l’occasion de présenter la structure globale de la semaine et la complémentarité des différentes méthodes proposées.
Par la suite, nous vous proposons de voir ou revoir certaines bases de la statistique classique. Il s’agira de revenir sur les tenants et aboutissants des méthodes d’analyses que sont l’analyse de corrélation et de régression et les biais que présentent ces méthodes quand il s’agit d’intégrer la dimension spatiale.
Atelier sur R : Lors de cet atelier nous verrons comment réaliser une analyse de corrélation et de régression avec R. Tout le « worflow » de ces analyses sera suivi, en passant par la vérification des prérequis, la réalisation des analyses, leur interprétation et enfin leur représentation.
Atelier sur GeoDa : Dans cet atelier, nous verrons comment mener à bien une analyse par régression linéaire multiple sans passer par la programmation, et en solution logicielle libre et gratuite. Nous ferons une vérification des prérequis, puis une analyse des résultats et leur interprétation statistique et spatiale.
La matinée présentera les enjeux de la mesure de l’autocorrélation spatiale des données en SHS. Par enjeux, nous entendons autant les sous-jacents épistémologiques (signification de l’autocorrélation spatiale, biais induits) que les implications méthodologiques (effet des choix méthodologiques, comme les matrices de distance, sur les mesures). Nous alternerons donc exemples concrets autour de données et présentation des cadres théoriques.
Régression spatiale : ici seront abordés les 6 modèles classiques de régression spatiale issus du modèle général de Manski. Nous aborderons également la question de la sélection de ces modèles par rapport aux données ou par rapport aux hypothèses de recherche, ainsi que les statistiques de test spécifiques à ce type de modèles. Nous porterons une attention particulière sur l’interprétation des résultats de ces modèles.
Deux ateliers seront menés en parallèle pour la mise en oeuvre des modèles d’auto-corrélation spatiale et de régression spatiale. Le premier atelier se déroulera sur R avec une part de programmation : le second sur GeoDa avec une solution logicielle “presse-bouton” libre et gratuite.
Cette matinée sera consacrée à la présentation théorique de la régression géographiquement pondérée (GWR), principale méthode utilisée en géographie quantitative pour modéliser l’hétérogénéité spatiale des relations statistiques. Après avoir rappelé les principaux effets spatiaux en régression, la méthode sera présentée en détail : principes, calibration, sorties, interprétations, extensions, avant de s’attarder sur quelques exemples d’applications dans la littérature scientifique.
Deux ateliers seront menés en parallèle pour la mise en œuvre des Régressions Géographiquement Pondérées. Le premier atelier se déroulera sur R avec une part de programmation : le second sur MGWR avec une solution logicielle “presse-bouton” libre et gratuite.
Cette matinée sera consacrée à la remise en perspective de toutes les méthodes présentées durant la semaine. D’autre part, nous présenterons à titre d’exemples, des méthodes pour aller plus loin dans les statistiques spatiales. L’objectif est d’élargir la connaissance de chacun sur ces méthodes, sans pour autant en prévoir une mise en application, faute de temps.
La dernière demi-journée sera consacrée à la mise en application des différentes méthodes vues durant le séminaire aux données des stagiaires. Vous pouvez vous munir de vos propres jeux de données et nous verrons ensemble quelles analyses sont adaptées à vos problématiques.