Tự động tương quan không gian so với văn phòng phẩm không gian

14

Giả sử chúng ta có các điểm trong không gian hai chiều và chúng tôi muốn đo lường tác động của các thuộc tính trên thuộc tính . Mô hình hồi quy tuyến tính điển hình là tất nhiên $X$ $y$

y = X β + ϵ

$y= X\beta + \epsilon$

Có hai vấn đề ở đây: đầu tiên là điều khoản có thể được tương quan về không gian (vi phạm các lỗi độc lập và giống hệt giả định), và thứ hai là độ dốc hồi quy có thể thay đổi trong suốt không gian. Vấn đề đầu tiên có thể được giải quyết bằng cách kết hợp các thuật ngữ độ trễ không gian vào mô hình, như trong $\epsilon$

y = ρ W y + X β + ϵ

$y=\rho W y + X\beta + \epsilon$

Chúng tôi thậm chí có thể kết hợp các biến bị bỏ qua tự động theo không gian (hiệu ứng cố định không gian) với mô hình Durbin không gian được mô tả trong văn bản của LeSage và Pace

y = ρ W y + X β + W X λ + ϵ

$y=\rho W y + X\beta + WX\lambda + \epsilon$

nơi là sức mạnh của sự tương quan không gian điều khiển bởi trọng lượng ma trận . Rõ ràng hình thức của độ trễ không gian sẽ phụ thuộc vào các giả định về hình thức tương quan không gian. $\rho$ $W$

$\beta_i$

{\hat{β}}_{i} = (X^{T} W_{i} X)^{- 1} X^{T} W_{i} y

$\hat{\beta}_i = (X^TW_iX)^{-1}X^T W_i y$

W

$W$

$X$ $y$ $\beta$

Đây là nỗ lực của tôi tại một câu trả lời ban đầu:

Nếu tôi muốn biết phí bảo hiểm cho một phòng ngủ bổ sung trong một khu phố cụ thể , có vẻ như GWR sẽ là lựa chọn tốt nhất của tôi.
Nếu tôi muốn biết phí bảo hiểm trung bình toàn cầu không thiên vị cho một phòng ngủ bổ sung, tôi nên sử dụng các kỹ thuật tự phát không gian.

Rất thích nghe những quan điểm khác.

econometrics spatial

— gregmacfarlane
nguồn

1

y

$y$

X

$X$

1

Tôi muốn có một câu trả lời trừu tượng, mặc dù ứng dụng cụ thể của tôi thực sự là giá nhà.

— gregmacfarlane

1

Bạn đã nghĩ đến việc tìm kiếm kinh tế lượng dữ liệu bảng điều khiển cho các ý tưởng mô hình hóa? Ví dụ cụ thể của bạn ở cuối trông giống như mô hình chỉ số giá hedonic trong cài đặt dữ liệu bảng với các hiệu ứng riêng lẻ (hoặc với các hệ số khác nhau) và các lỗi có thể tương quan chéo, trong khi trong các phương pháp dữ liệu bảng điều khiển trừu tượng cung cấp cả hai kích thước "không gian" và kích thước "thời gian".

— Alecos Papadopoulos

2

Tôi nghĩ rằng bạn đang trả lời đúng bộ câu hỏi của riêng bạn.

Nghiên cứu thị trường nhà ở thường được giải quyết bằng cách sử dụng các mô hình phi tham số.

Đối với câu hỏi thứ hai của bạn, tôi đồng ý trong việc sử dụng các mô hình SAR và tôi sẽ đi với Durbin vì hai lý do: Thứ nhất, mô hình Durbin tạo ra các ước tính hệ số không thiên vị. Thứ hai, nó có thể tạo ra các hiệu ứng lan tỏa mà liên quan đến hiệu ứng trực tiếp tương ứng của chúng có thể khác nhau đối với mỗi biến giải thích.

Hi vọng điêu nay co ich!

— lescobedo21
nguồn

0

Vấn đề không nằm ở chính ước tính Durbin không gian. Nó có thể được ước tính theo khả năng tối đa và bạn có thể tính toán các hiệu ứng một phần. Vấn đề xảy ra khi hiệu ứng không gian không ổn định trong dgp, do đó bạn không thể mô hình hóa đúng hiệu ứng của nó theo cách này. GWR thực hiện nhiều hồi quy trên không gian của bạn, do đó cung cấp cho bạn một vectơ hệ số trên không gian của bạn. Suy luận thống kê về các hệ số đó không đơn giản nhưng nó thể hiện tốt trên bản đồ như một công cụ thăm dò. Vì vậy, để tìm ra phí bảo hiểm của một phòng ngủ bổ sung trong một khu phố cụ thể, đặt cược tốt nhất của bạn có thể là chạy một hồi quy không gian riêng biệt trên khu phố đó. Để tìm phí bảo hiểm của một phòng ngủ bổ sung trên toàn cầu, hãy sử dụng hồi quy không gian, nhưng cũng lưu ý rằng các hệ số không phải là tuyến tính trong các tham số với hồi quy như vậy;

— orcmor
nguồn