समय श्रृंखला डेटा के लिए स्थानिक स्वसंबंध

Question

मेरे पास बहुभुजों के एक सेट (~ 200 अनियमित आकार, निरंतर बहुभुज) के लिए बहुतायत में प्रजातियों की एक वार्षिक गणना का 20-yr डेटासेट है। मैं प्रत्येक बहुभुज के लिए अनुमानित रुझान (प्रति वर्ष गणना में परिवर्तन), साथ ही प्रबंधन सीमाओं के आधार पर बहुभुज डेटा के एकत्रीकरण के लिए प्रतिगमन विश्लेषण का उपयोग कर रहा हूं।

मुझे यकीन है कि डेटा में स्थानिक निरंकुशता है, जो कुल डेटा के लिए प्रतिगमन विश्लेषण को प्रभावित करना सुनिश्चित करता है। मेरा सवाल है - मैं समय श्रृंखला डेटा के लिए सैक टेस्ट कैसे चलाऊं? क्या मुझे प्रत्येक वर्ष (वैश्विक मोरन I) के लिए अपने प्रतिगमन से अवशिष्टों के सैक को देखने की आवश्यकता है? या मैं सभी वर्षों के साथ एक परीक्षण चला सकता हूं?

एक बार जब मैं परीक्षण कर लेता हूं कि हां एसएसी है, तो क्या इसका पता लगाना आसान है? मेरे आँकड़े की पृष्ठभूमि कम से कम है और मैंने जो कुछ भी स्पैट-टेम्पोरल मॉडलिंग पर पढ़ा है, वह बहुत जटिल लगता है। मुझे पता है कि आर में एक दूरी-भारित ऑटोकोवेरेट फ़ंक्शन है - यह उपयोग करने के लिए बिल्कुल सरल है?

मैं वास्तव में इस समस्या के लिए एसएसी का आकलन / परिशिष्ट करने के बारे में बहुत उलझन में हूं और किसी भी सुझाव, लिंक या संदर्भ की बहुत सराहना करूंगा। अग्रिम में धन्यवाद!

Comments

क्या आप अंतर्निहित स्थानिक प्रक्रियाओं को मॉडल करना चाहते हैं, या क्या आप अपने स्थानिक-सहसंयोजक मैट्रिक्स आकलन को स्थानिक ऑटोक्रेलेशन के लिए खाते में समायोजित करना चाहते हैं?

— जेनेरिक_सर

या क्या आप दोनों करना चाहते हैं ...

— gregmacfarlane

आपके उत्तर के लिए धन्यवाद! मुझे लगता है कि मेरे डेटा में स्थानिक ऑटोडेपेंडेंस है - यह जैविक है और बहुत संभावना है कि पड़ोसी इकाइयों में प्रजातियों की गिनती आसपास की इकाइयों को प्रभावित करेगी। मेरी इकाइयाँ काफी बड़ी हैं, इसलिए मैं एसएसी का परीक्षण करने के लिए दूरी अंतराल निर्धारित करने के लिए 'किनारों और कोनों पर कनेक्ट करने' के विकल्प का उपयोग करने का इरादा रखता हूं। SAC मॉडल के लिए R फ़ंक्शंस do-सक्षम दिखते हैं (अभी भी मेरे सिर पर!)। एक बार फिर धन्यवाद।

— रोजा

Rozza साइट में आपका स्वागत है, यह एक उत्तर के लिए एक टिप्पणी के रूप में छोड़ दिया जाना चाहिए। यद्यपि वे मौजूदा उत्तरों को बनाए रखना सुनिश्चित करते हैं यदि वे उपयोगी प्रतिक्रियाएं प्रदान करते हैं, और उनमें से एक को अपने प्रश्न के उत्तर के रूप में चिह्नित करते हैं यदि आपको लगता है कि यह संतोषजनक रूप से संबोधित किया गया है।

— एंडी डब्ल्यू

Answer 1

इस पत्र के अनुसार , ओएलएस स्थानिक निरंकुशता की उपस्थिति में सुसंगत है, लेकिन मानक त्रुटियां गलत हैं और इसे समायोजित करने की आवश्यकता है। सोलोमन ह्सांग ऐसा करने के लिए स्टैटा और मैटलैब कोड प्रदान करता है। दुर्भाग्य से मैं इसके लिए किसी भी आर कोड से परिचित नहीं हूं।

स्थानिक आंकड़ों में इस तरह की समस्या के लिए निश्चित रूप से अन्य दृष्टिकोण हैं जो स्पष्ट रूप से स्थानिक प्रक्रियाओं को मॉडल करते हैं। यह सिर्फ मानक त्रुटियों को बढ़ाता है।

सैद्धांतिक अर्थशास्त्री दुर्भाग्य से मोटापे के शिकार होने लगते हैं। लिंक किए गए पेपर को पढ़ना वास्तव में कठिन है। मूल रूप से यह कहता है कि जो भी प्रतिगमन चाहते हैं उसे चलाएं, और फिर बाद में मानक त्रुटियों को ठीक करें अर्थात: Hsiang से कोड का उपयोग करना। अंतरिक्ष तब तक इसमें नहीं आता जब तक आप अपने अनुमानक के विचरण का अनुमान लगाने की कोशिश नहीं करते। सहज रूप से, यदि सभी अंतर एक साथ करीब हैं, तो आप कम निश्चित हैं कि आपका अनुमान केवल कुछ अप्राप्य स्थानिक सदमे का अवशेष नहीं है।

ध्यान दें कि आपको एक कर्नेल बैंडविड्थ निर्दिष्ट करने की आवश्यकता है जिसके बारे में आपको लगता है कि स्थानिक प्रक्रिया संचालित हो सकती है।

यह उत्तर मूल रूप से इसी तरह के उत्तर की एक कॉपी / पेस्ट है जिसे मैंने यहां बनाया था

Answer 2

$y = X\beta + u, u=\rho Wu + \epsilon$

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

Spdep आर के लिए पैकेज में बहुत से आयोजन कि गणना स्थानिक भार मेट्रिसेस, स्थानिक प्रतिगमन का अनुमान है, और अन्य बातें करते हैं। मुझे lagsarlmफ़ंक्शंस के साथ अच्छा अनुभव है , लेकिन पैकेज प्रलेखन में देखें कि एक sacsarlmफ़ंक्शन है जो आपको ढूंढ रहा है उससे अधिक प्रतीत होता है।

$W$$t$$t-1$$t +1$

$W$$X$

Comments

अच्छी पोस्ट। मुझे लगता है कि दो दृष्टिकोणों के बीच चयन करते समय ओपी को ध्यान में रखना चाहिए कि क्या एक बहुभुज में "परिणाम" उसके पड़ोसियों के परिणाम को प्रभावित करेगा। यदि हां, तो gmacfarlane के दृष्टिकोण के साथ जाएं। यदि नहीं, तो जो मैं प्रस्तावित करता हूं वह सरल है।

— जेनेरिक_सर