tự động tương quan không gian cho dữ liệu chuỗi thời gian

Tôi có một bộ dữ liệu 20 năm về số lượng loài phong phú hàng năm cho một tập hợp đa giác (~ 200 hình đa giác liên tục, hình đa giác). Tôi đã sử dụng phân tích hồi quy để suy ra xu hướng (thay đổi số lượng mỗi năm) cho từng đa giác, cũng như tổng hợp dữ liệu đa giác dựa trên ranh giới quản lý.

Tôi chắc chắn rằng có sự tự tương quan không gian trong dữ liệu, điều này chắc chắn sẽ tác động đến phân tích hồi quy cho dữ liệu tổng hợp. Câu hỏi của tôi là - làm cách nào để chạy thử nghiệm SAC cho dữ liệu chuỗi thời gian? Tôi có cần xem xét SAC của số dư từ hồi quy của tôi cho mỗi năm (I Moran toàn cầu) không? Hoặc tôi có thể chạy một bài kiểm tra với tất cả các năm?

Khi tôi đã kiểm tra rằng có SAC, có dễ dàng để giải quyết vấn đề này không? Nền tảng số liệu thống kê của tôi là tối thiểu và mọi thứ tôi đã đọc trên mô hình không gian tạm thời nghe có vẻ rất phức tạp. Tôi biết rằng R có chức năng tự động điều chỉnh khoảng cách - điều này hoàn toàn đơn giản để sử dụng?

Tôi thực sự khá bối rối về cách đánh giá / thêm SAC cho vấn đề này và sẽ đánh giá rất cao bất kỳ đề xuất, liên kết hoặc tài liệu tham khảo nào. Cảm ơn trước!

Theo bài báo này , OLS phù hợp với sự hiện diện của tự động tương quan không gian, nhưng các lỗi tiêu chuẩn là không chính xác và cần phải được điều chỉnh. Solomon Hsiang cung cấp mã stata và MATLAB để làm như vậy. Thật không may, tôi không quen thuộc với bất kỳ mã R nào cho việc này.

Chắc chắn có những cách tiếp cận khác cho loại vấn đề này trong thống kê không gian mô hình hóa rõ ràng các quy trình không gian. Điều này chỉ thổi phồng các lỗi tiêu chuẩn.

Các nhà kinh tế lượng lý thuyết không may dường như có niềm vui trong việc che giấu. Các giấy liên kết là thực sự khó đọc. Về cơ bản những gì nó nói là chạy bất kỳ hồi quy nào bạn muốn, và sau đó đi sửa các lỗi tiêu chuẩn sau đó, tức là: sử dụng mã từ Hsiang. Không gian không đi vào đó cho đến khi bạn cố gắng ước tính phương sai của công cụ ước tính của bạn. Theo trực giác, nếu tất cả sự khác biệt gần nhau, bạn sẽ không chắc chắn rằng ước tính của bạn không chỉ là một di tích của một số cú sốc không gian không quan sát được.

Lưu ý rằng bạn cần chỉ định băng thông kernel mà bạn nghĩ rằng quá trình không gian có thể đang hoạt động.

Câu trả lời này về cơ bản là một bản sao / dán lại một câu trả lời tương tự tôi đã thực hiện ở đây

Nếu sự cố là lỗi tự động, , thì OLS phù hợp nhưng không hiệu quả, như ACD nói. Nó giống như sự tương quan nối tiếp trong kinh tế lượng chuỗi thời gian.$y = X\beta + u, u=\rho Wu + \epsilon$

Nhưng nếu có tự động không gian (còn gọi là tự động tương quan, gây nhầm lẫn), , thì OLS không nhất quán. Đó là điều tương tự như một thiên vị biến thiếu. Nếu bạn có cả hai vấn đề, bạn cần sử dụng Mô hình không gian Durbin, .y = ρ W y + X β + W X λ + $y = \rho W y+ X\beta + \epsilon$$y = \rho W y + X\beta + WX \lambda + \epsilon$

Các spdep gói cho R chứa rất nhiều chức năng mà tính toán ma trận trọng không gian, ước tính hồi quy không gian, và làm những việc khác. Tôi có nhiều kinh nghiệm với các lagsarlmchức năng, nhưng hãy xem trong tài liệu gói rằng có một sacsarlmchức năng dường như giống với những gì bạn đang tìm kiếm.

Theo khía cạnh tạm thời của vấn đề của bạn, các giả định bạn đưa ra về sự phụ thuộc sẽ đi một chặng đường dài để xác định đặc tả mô hình của bạn. Các khu vực của bạn tương tác với nhau trực tiếp? Ví dụ về điều này là thị trường thương mại hoặc nhà ở; xuất khẩu từ một quốc gia phụ thuộc nhiều vào nhập khẩu ở một quốc gia khác, và giá bán của những ngôi nhà được mua gần đây là một đóng góp rất quan trọng vào giá bán của những ngôi nhà gần đó. Trong trường hợp này, sẽ hợp lý khi chỉ định ma trận trọng số của bạn để phù hợp với sự phụ thuộc này. Cho phép một ngôi nhà được mua trong thời gian là "hàng xóm" với những ngôi nhà ở thời điểm , nhưng không phải với những ngôi nhà trong thời gian .t t - 1 t + $W$$t$$t-1$$t +1$

Nếu các thuật ngữ của bạn có mối tương quan nhưng không phụ thuộc một cách hợp lý vào nhau, chẳng hạn như sản lượng nông nghiệp, có lẽ sẽ có ý nghĩa hơn khi có một ma trận không nhạy cảm thời gian , nhưng bao gồm các hình nộm năm trong đặc tả$W$$X$