Schätzung hoch-dimensionaler räumlicher Abhängigkeiten

Aufgrund räumlicher Nähe von Beobachtungen kommt es dazu, dass diese zueinander ähnlich sind – ähnlicher als zu weiter entfernten Beobachtungen. Dies ist auch als erstes Geographisches Gesetz von Tobler bekannt. In der Statistik spricht man in diesem Fall von stochastischer Abhängigkeit. Bei kleinräumigen Datensätzen, bspw. den Grundstückspreisen oder Kriminalitätsraten in einer Stadt oder der Feinstaubbelastung, ist allerdings nicht alleine die geographische Distanz ausschlaggebend, sondern andere Faktoren können diese Abhängigkeit beeinflussen. Bei den erstgenannten Beispielen könnten bspw. Nahverkehrsverbindungen diese „Nähe“ besser beschreiben, oder bei den zweiten Beispielen wird die vorherrschende Windrichtung und -geschwindigkeit einen großen Einfluss auf den räumlichen Transport der Feinstaubpartikel haben. In der Abschlussarbeit soll daher untersucht werden, inwiefern diese räumlichen Abhängigkeiten datenbasiert geschätzt werden können. Ein Fokus kann dabei auf die Einbeziehung zusätzlicher Einflussgrößen liegen oder die Möglichkeit der kompletten Schätzung aller räumlicher Abhängigkeiten zwischen den Beobachtungsorten mittels Methoden des statistischen Lernens kann erörtert werden.

Quellen

Merk, M. S., & Otto, P. (2020). Estimation of Anisotropic, Time‐Varying Spatial Spillovers of Fine Particulate Matter Due to Wind Direction. Geographical Analysis, 52(2), 254-277.

Anforderungen

1. Kenntnisse und Interesse an statistischer räumlicher Datenanalyse

2. Grundlegende Programmierkenntnisse

Die Abschlussarbeit kann auf Deutsch oder auf Englisch geschrieben werden.

Kontakt

Prof. Dr. Philipp Otto (philipp.otto@ikg.uni-hannover.de)