ارائه کننده: طیبه سارانی مقدماستاد راهنما: دکتر محسن محمدزاده درودیاستاد داور داخلی: دکتر کیومرث مترجماستاد داور خارج از دانشگاه: دکتر ابراهیم حاجی زادهنماینده تحصیلات تکمیلی: دکتر کیومرث مترجمتاریخ: ۱۴۰۴/۰۳/12ساعت:  10مکان: اتاق سمینار 3401

چکیده:در تحلیل آماری داده‌های فضایی، وجود ساختار وابستگی داده‌ها و مشاهدات دورافتاده از جمله چالش‌های اساسی در برازش مدل‌های رگرسیونی است. مدل‌های کلاسیک مانند رگرسیون خطی معمولی در مواجهه با چنین شرایطی معمولاً دچار ضعف در استنتاج و کاهش دقت می‌شوند. در این پژوهش، به منظور بهبود عملکرد مدل‌سازی فضایی در شرایط مذکور، مدل رگرسیون چندکی خودهمبسته فضایی مورد بررسی قرار گرفته است.این مدل با تلفیق رویکرد رگرسیون چندکی و مدل خودهمبسته فضایی، انعطاف‌پذیری لازم برای تحلیل داده‌ها در آن با پراکندگی مقادیر پاسخ و وابستگی فضایی مشهود است. روش استفاده از رگرسیون چندکی با متغیر ابزاری قابل اعتماد نشان می‌دهد که امکان کاهش اثر داده‌های دورافتاده و دستیابی به نتایج دقیق‌تر فراهم می‌شود.همچنین مقایسه این مدل با مدلهای دیگر نشان داده که مدل رگرسیون چندکی خودهمبسته فضایی در سطوح مختلف چندکی دقت و پایداری بیشتری در تحلیل روابط بین متغیرها دارد که تحلیل دقیق‌تری از داده‌های فضایی ارائه می‌دهد. نتایج همچنین نشان‌دهنده بیانگر برتری این مدل در بسیاری از تحلیل داده‌های فضایی مورد نظر می‌باشد.