空间自回归模型（SAR）是一种考虑了地理位置因素影响的统计方法，常用于处理具有空间分布特征的数据，如地理区域的经济指标。在进行SAR建模前，需先通过Moran's I检验验证空间效应。SAR模型需要空间权重矩阵，并可通过Stata的Sp命令进行拟合。与线性回归不同，SAR强调了因变量与自变量间因空间位置差异产生的相互影响。
空间自回归模型 Spatial autoregressive models
适用于包含地理区域观测数据的数据集。
观测空间单位，可以是国家、州、县、邮政编码或城市街区。
或者，社交网络的节点。
SAR是什么？
一种通过考虑空间影响来描述因变量和自变量之间关系的空间方法。
在进行SAR模型之前，必须使用Moran’s软件对其进行空间效应测试。
SAR需要空间权重么？
需要。
如何拟合SAR模型？
- 准备好数据
- 创建空间权重矩阵
- 运行
Stata的 Sp 命令
线性回归LR与空间回归SR的区别？
在SR中，影响因变量的自变量空间位置不同，对数据有空间影响。
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
