সময় সিরিজের ডেটার জন্য স্থানিক স্বতঃসংশ্লিষ্ট

Question

বহুভুজের একটি সেট (~ 200 অনিয়মিত আকারের, ক্রমাগত বহুভুজ) জন্য প্রজাতির প্রাচুর্যের গণনাগুলির আমার কাছে 20-বছরের ডেটাসেট রয়েছে। আমি প্রতিটি বহুভুজের জন্য ট্রেন্ডগুলি (প্রতি বছর গণনা পরিবর্তন) নির্ধারণের জন্য রিগ্রেশন বিশ্লেষণ, পাশাপাশি পরিচালনার সীমানার উপর ভিত্তি করে বহুভুজের ডেটা সংগ্রহের জন্য ব্যবহার করে আসছি।

আমি নিশ্চিত যে উপাত্তে স্থানিক স্বতঃসংশ্লিষ্টতা রয়েছে, যা একীভূত তথ্যের জন্য রিগ্রেশন বিশ্লেষণকে প্রভাবিত করবে বলে নিশ্চিত। আমার প্রশ্নটি - সময় সিরিজের ডেটার জন্য আমি কীভাবে একটি এসএসি পরীক্ষা চালাব? প্রতিবছর (গ্লোবাল মোরানের আই) আমার প্রতিরোধ থেকে আমার কি অবশিষ্টাংশের এসএসি দেখার প্রয়োজন? নাকি আমি সারা বছর ধরে একটি পরীক্ষা চালাতে পারি?

একবার আমি পরীক্ষা করে দেখলাম যে হ্যাঁ এসএসি আছে, এর সমাধান করার কোন সহজ উপায় ছিল? আমার পরিসংখ্যানের পটভূমিটি ন্যূনতম এবং আমি স্পাটিও-টেম্পোরাল মডেলিংয়ে যা পড়েছি তা খুব জটিল শোনায়। আমি জানি যে আর এর একটি দূরত্ব-ওজনযুক্ত অটোকোভারিয়েট ফাংশন রয়েছে - এটি কি আদৌ সহজ?

আমি এই সমস্যার জন্য কীভাবে এসএসি মূল্যায়ন / অ্যাডেসনেস করতে পারি সে সম্পর্কে আমি সত্যিই বেশ বিভ্রান্ত হয়েছি এবং কোনও পরামর্শ, লিঙ্ক, বা রেফারেন্সের খুব প্রশংসা করব। আগাম ধন্যবাদ!

Comments

আপনি কি অন্তর্নিহিত স্থানিক প্রক্রিয়াগুলি মডেল করতে চান, বা আপনি স্থানিক স্বতঃসংশোধনের জন্য অ্যাকাউন্টে আপনার বৈকল্পিক-কোভারিয়েন্স ম্যাট্রিক্স অনুমানটি সামঞ্জস্য করতে চান?

— জেনেরিক_উজার

বা আপনি কি উভয়ই করতে চান ...

— গ্রেগম্যাকফারলেন

আপনার উত্তরের জন্য ধন্যবাদ! আমি মনে করি যে আমার ডেটার স্থানগত স্বনির্ভরতা রয়েছে - এটি জৈবিক এবং খুব সম্ভবত যে প্রতিবেশী ইউনিটগুলিতে প্রজাতি গণনাগুলি আশেপাশের ইউনিটগুলিকে প্রভাবিত করবে। আমার ইউনিটগুলি মোটামুটি বড়, তাই স্যাকটি পরীক্ষা করতে দূরত্বের পিছনে সেট করার জন্য আমি কেবল 'প্রান্ত এবং কোণগুলিতে সংযোগ স্থাপন' বিকল্পটি ব্যবহার করার ইচ্ছা করি। স্যাক মডেলগুলির জন্য আর ফাংশনগুলি করণীয় সক্ষম দেখায় (এখনও আমার মাথার উপরে!)। আবার ধন্যবাদ.

— রোজা

রোজজা সাইটটিতে আপনাকে স্বাগতম, এটি উত্তরের একটি মন্তব্য হিসাবে রেখে দেওয়া উচিত। যদিও সেগুলি কার্যকর প্রতিক্রিয়া সরবরাহ করে যদি বিদ্যমান উত্তরগুলিকে উঁচু করে তোলার বিষয়ে নিশ্চিত হন এবং যদি আপনার মনে হয় যে এটি সন্তোষজনকভাবে সম্বোধন করা হয়েছে তবে আপনার প্রশ্নের উত্তর হিসাবে চিহ্নিত করুন।

— অ্যান্ডি ডব্লিউ

Answer 1

এই কাগজ অনুসারে , ওএলএস স্থিতিশীল স্ব-সংশ্লেষণের উপস্থিতিতে সামঞ্জস্যপূর্ণ, তবে মান ত্রুটিগুলি ভুল এবং এটি সামঞ্জস্য করা দরকার। সলোমন শিয়াং এটি করার জন্য স্টাটা এবং ম্যাটলব কোড সরবরাহ করে । দুর্ভাগ্যক্রমে আমি এর জন্য কোনও আর কোডের সাথে পরিচিত নই।

স্থানিক পরিসংখ্যানগুলিতে স্পষ্টতভাবে স্থানিক প্রক্রিয়াগুলির মডেল করার ক্ষেত্রে এই ধরণের সমস্যার জন্য অবশ্যই অন্যান্য পন্থা রয়েছে। এটি কেবলমাত্র স্ট্যান্ডার্ড ত্রুটিগুলিকে স্ফীত করে।

তাত্ত্বিক একনোমেট্রিশিয়ানরা দুর্ভাগ্যক্রমে অবলম্বনে আনন্দিত বলে মনে করছেন pleasure লিঙ্কযুক্ত কাগজ পড়া সত্যিই কঠিন। মূলত এটি যা বলে তা যা-ই হোক না কেন আপনি যা চান রিগ্রেশন চালান এবং তারপরে স্ট্যান্ডার্ড ত্রুটিগুলি পরে ঠিক করুন: শিয়াংয়ের কোড ব্যবহার করে। আপনার অনুমানের বৈচিত্রটি অনুমান করার চেষ্টা না করা পর্যন্ত স্পেস এর মধ্যে আসবে না। স্বজ্ঞাতভাবে, যদি সমস্ত পার্থক্য একসাথে কাছাকাছি হয়, আপনি কম নিশ্চিত হন যে আপনার অনুমানটি কেবল কিছু অনাবদ্ধ স্থানিক শকের একটি প্রতীক নয়।

নোট করুন যে আপনাকে একটি কার্নেল ব্যান্ডউইথ নির্দিষ্ট করতে হবে যার উপরে আপনি মনে করেন যে স্থানিক প্রক্রিয়াটি পরিচালনা করছে।

এই উত্তরটি মূলত আমি এখানে তৈরি একই অনুরূপ একটি অনুলিপি / পেস্ট রিহ্যাশ

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 আর প্যাকেজের অনেক ফাংশন যে গনা স্থানিক ওজন ম্যাট্রিক্স, স্থানিক রিগ্রেশন অনুমান, এবং অন্যান্য কিছু ধারণ করে। lagsarlmফাংশনগুলির সাথে আমার বেশ ভাল অভিজ্ঞতা আছে তবে প্যাকেজ ডকুমেন্টেশনে দেখুন যে কোনও sacsarlmফাংশন রয়েছে যা আপনি যা খুঁজছেন তা আরও বেশি বলে মনে হচ্ছে।

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

$W$$X$

Comments

ভাল পোস্ট। আমি মনে করি যে দুটি পদ্ধতির মধ্যে বাছাইয়ের সময় ওপি'র মনে রাখা উচিত যে এটি একটি বহুভুজের "ফলাফল" তার প্রতিবেশীদের ফলাফলকে প্রভাবিত করবে কিনা। যদি তা হয় তবে gmacfarlane এর পদ্ধতির সাথে যান। যদি তা না হয় তবে আমি প্রস্তাবিত একটিটি সহজ।

— জেনেরিক_উজার ব্যবহারকারী