1. Model Dependensi Spasial
Dependensi spasial merupakan suatu hubungan korelasi antara variabel dengan dirinya sendiri atau suatu ukuran dari kemiripan objek di dalam suatu ruang (jarak, waktu dan wilayah). Adanya kemiripan nilai dari lokasi-lokasi yang berdekatan dan cenderung berkelompok akan ditunjukkan dengan dependensi spasial positif. Sedangkan jika lokasi-lokasi yang berdekatan mempunyai nilai yang berbeda dan cenderung menyebar maka akan ditunjukkan dengan dependensi spasial yang negatif (Kosfeld, 2006).
Untuk mengetahui adanya dependensi spasial dilakukan melalui uji statistik Moran’s I dan uji Pengganda Lagrange (Lagrange Multiplier, LM). Hipotesis nol pada kedua pengujian ini adalah dalam model tidak ada efek spasial. Jika p-value uji tersebut lebih kecil dari taraf signifikansi yang ditetapkan maka dapat dikatakan bahwa dalam model terdapat efek spasial.
Pemodelan pada regresi spasial dilakukan dengan menambahkan matriks spasial atau contiguity (\(W\)) pada model regresi yang digunakan. Penambahan matriks \(W\) tersebut dapat dilakukan pada variabel-variabel dependen (parameter koefisien regresinya akan disimbolkan dengan \(\rho\)), pada variabel independen (parameter koefisien regresinya akan disimbolkan dengan γ), maupun pada error term (parameter koefisien akan regresinya disimbolkan dengan \(\lambda\)) atau kombinasi dari dua maupun ketiga efeknya.
Jika efeknya hanya nyata terhadap parameter \(\rho\) maka model disebut model Spatial Autoregressive Regression (SAR). Jika efeknya hanya nyata terhadap parameter γ maka model disebut model Spatial Lag-X (SLX). Jika efeknya hanya nyata terhadap parameter \(\lambda\) maka model disebut Spatial Error Model (SEM). Jika efeknya hanya nyata terhadap parameter \(\rho\) dan \(\lambda\) maka model disebut General Spatial Model (GSM). Jika efeknya hanya nyata terhadap parameter \(\rho\) dan γ maka model disebut Spatial Durbin Model (SDM). Jika efeknya hanya nyata terhadap parameter \(\lambda\) dan γ maka model disebut Spatial Durbin Error Model (SDEM). Jika efeknya nyata terhadap ketiga parameter (\(\rho\), \(\lambda\) dan γ) maka model disebut General Spasial Nested (GNS).