স্থানিক স্বতঃসংশ্লিষ্ট বনাম স্থানিক স্টেশনারিটি


14

আসুন অনুমান আমরা দ্বি-মাত্রিক স্থান পয়েন্ট আছে, এবং আমরা গুণাবলীর প্রভাব পরিমাপ করতে ইচ্ছুক অ্যাট্রিবিউট উপর । টিপিক্যাল লিনিয়ার রিগ্রেশন মডেল অবশ্যই Xy

y=Xβ+ϵ

এখানে দুটি সমস্যা রয়েছে: প্রথমটি হ'ল শর্তগুলি স্থানিকভাবে পারস্পরিক সম্পর্কযুক্ত হতে পারে (স্বতন্ত্র এবং অভিন্ন ত্রুটি অনুমান লঙ্ঘন), এবং দ্বিতীয়টি হ'ল রিগ্রেশন opeাল সমস্ত স্থান জুড়ে পরিবর্তিত হতে পারে। প্রথম ইস্যুটির সাথে স্থানের ব্যবধান শর্তগুলি মডেলটিতে অন্তর্ভুক্ত করে মোকাবেলা করা যেতে পারেϵ

y=ρWy+Xβ+ϵ

আমরা লেসেজ এবং পেসের পাঠ্যে বর্ণিত স্থানিক ডুর্বিন মডেলের সাথে স্থানিকভাবে অটোরিগ্রেসিভ বাদ দেওয়া ভেরিয়েবলগুলি (স্পেসিয়াল ফিক্সড এফেক্টস) সংযুক্ত করতে পারি can

y=ρWy+Xβ+WXλ+ϵ

যেখানে হল ওজন ম্যাট্রিক্স দ্বারা নিয়ন্ত্রিত স্থানিক পারস্পরিক সম্পর্কের শক্তি । স্পষ্টতই স্থানিক লেগের ফর্ম স্থানিক পারস্পরিক সম্পর্কের ফর্ম সম্পর্কে অনুমানের উপর নির্ভর করবে।ρW

দ্বিতীয় সমস্যাটিকে "ভৌগলিকভাবে ভারিত রিগ্রেশন" (জিডাব্লুআর) ব্যবহার করে সম্বোধন করা হয়েছে, এমন একটি কৌশল যার সাথে আমি তেমন পরিচিত নই, তবে এটি ব্রান্সডন, এট আল দ্বারা ব্যাখ্যা করেছেন (1998) । আমি যতদূর বলতে পারি, এটি ভারী উপ-অঞ্চলগুলিতে রিগ্রেশন মডেলের একটি অ্যারে জড়িত রয়েছে, সুতরাং প্রতিটি on একটি অনুমান পাওয়া যা তার জায়গার উপর ভিত্তি করে পরিবর্তিত হয়, যেখানে হ'ল আরেকটি স্থানিক ওজন ম্যাট্রিক্স, উপরের চেয়ে পৃথকভাবে আলাদা নয়।βi

β^i=(XTWiX)1XTWiy
W

আমার প্রশ্ন : প্রথম পদ্ধতি (স্থানিক অটোরিগ্রেশন) উপর এর গড় প্রান্তিক প্রভাব সম্পর্কে নিরপেক্ষ অনুমানের পক্ষে যথেষ্ট নয় ? জিডব্লিউআর মনে হয় এটি অত্যধিক মানানসই: অবশ্যই space স্পেসে পরিবর্তন হয় তবে আমরা যদি এর স্থানগত অবস্থান বিবেচনা না করে কোনও চিকিত্সার গড় প্রত্যাশিত প্রভাব জানতে চাই তবে জিডব্লিউআর কী অবদান রাখতে পারে?Xyβ

প্রাথমিক উত্তরটিতে আমার চেষ্টা এখানে:

  1. আমি যদি কোনও নির্দিষ্ট পাড়ার অতিরিক্ত বেডরুমের প্রিমিয়াম জানতে চাই তবে মনে হয় জিডব্লিউআর আমার সেরা বিকল্প হবে।
  2. যদি আমি অতিরিক্ত শয়নকক্ষের জন্য নিরপেক্ষ বৈশ্বিক গড় প্রিমিয়াম জানতে চাই তবে আমার স্থানিক অটোরিগ্রেসিভ কৌশলগুলি ব্যবহার করা উচিত।

অন্যান্য দৃষ্টিকোণ শুনতে পছন্দ করবে।


1
যেমনটি শব্দযুক্ত আপনার প্রশ্নটি বিমূর্তে রয়েছে যতক্ষণ না আপনি শয়নকক্ষগুলি উল্লেখ করেন। এটি সম্ভবত পরামর্শ দেয় যে হাউজিং ভাড়া এবং এক্সে শোবার ঘরের সংখ্যা সহ আবাসনগুলির বিভিন্ন বৈশিষ্ট্য রয়েছে, তবে এটি প্রশ্নে এটি পরিষ্কার করা সহায়ক হবে। Yএক্স
অ্যাডাম বেইলি

1
আমি একটি বিমূর্ত উত্তর চাই, যদিও আমার নির্দিষ্ট অ্যাপ্লিকেশন সত্যই হোম দাম।
গ্রেগম্যাকফার্লেন

1
মডেলিং আইডিয়াগুলির জন্য আপনি কী প্যানেল ডেটা ইকোনোমেট্রিকগুলি সন্ধান করার কথা ভেবে দেখেছেন? আপনার নির্দিষ্ট উদাহরণটি শেষে পৃথক প্রভাবগুলির (বা বিভিন্ন সহগের সাথে) প্যানেল-ডেটা সেটিংয়ে হেডোনিক প্রাইস-ইনডেক্স মডেলের মতো দেখায়, এবং ত্রুটিগুলি সম্ভবত ক্রস-বিভাগীয়ভাবে সম্পর্কিত হয়, বিমূর্ত অবস্থায়, প্যানেল-ডেটা পদ্ধতি উভয় সরবরাহ করে "স্থান" মাত্রা এবং "সময়" মাত্রা।
আলেকোস পাপাদোপল্লোস

উত্তর:


2

আমি মনে করি আপনি নিজের প্রশ্নগুলির সেটটি সঠিকভাবে উত্তর দিচ্ছেন।

হাউজিং মার্কেট গবেষণা সাধারণত প্যারামিমেটিকবিহীন মডেল ব্যবহার করে মোকাবেলা করা হয়।

আপনার দ্বিতীয় প্রশ্নের জন্য, আমি এসএআর মডেলগুলির ব্যবহারে একমত, এবং আমি দুটি কারণে ডার্বিনের সাথে যাব: প্রথমত, ডুর্বিন মডেলটি নিরপেক্ষ সহগের অনুমান তৈরি করে। দ্বিতীয়ত, এটি স্পিলওভার এফেক্টস তৈরি করতে সক্ষম হয় যে তাদের বর্ণনাকারী প্রত্যক্ষ প্রভাবের সাথে সম্পর্কিত প্রতিটি ব্যাখ্যাযোগ্য ভেরিয়েবলের জন্য আলাদা হতে পারে।

আশাকরি এটা সাহায্য করবে!


0

সমস্যা স্থানিক ডার্বিন অনুমান নিজেই নয়। এটি সর্বোচ্চ সম্ভাবনা দ্বারা অনুমান করা যেতে পারে এবং আপনি আংশিক প্রভাব গণনা করতে পারেন can সমস্যাটি ঘটে যখন স্পেস ইফেক্টটি ডিজিপিতে স্থির না থাকে, যাতে আপনি এর প্রভাবটিকে এভাবে সঠিকভাবে মডেল করতে পারবেন না। জিডব্লিউআর আপনার স্পেসের উপরে অনেকগুলি রিগ্রেশন দেয়, এইভাবে আপনাকে আপনার স্পেসের উপর সহগের ভেক্টর সরবরাহ করে। এই সহগগুলির উপর পরিসংখ্যানগত সূচনাগুলি সোজা নয় তবে এটি একটি অনুসন্ধানের সরঞ্জাম হিসাবে মানচিত্রে ভাল দেখায়। সুতরাং, একটি নির্দিষ্ট পাড়ার অতিরিক্ত শয়নকক্ষের প্রিমিয়াম সন্ধানের জন্য, আপনার সেরা বেটটি সম্ভবত সেই আশেপাশে একটি পৃথক স্থানিক রিগ্রেশন চালাচ্ছে। বিশ্বব্যাপী একটি অতিরিক্ত বেডরুমের প্রিমিয়াম সন্ধানের জন্য, পাশাপাশি স্থানিক রিগ্রেশন ব্যবহার করুন, তবে এটিও মনে রাখবেন যে সহগগুলি এই জাতীয় প্রতিক্রিয়াগুলির সাথে পরামিতিগুলিতে রৈখিক নয়;

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.