python R 空间自回归模型SAR 参数估计统计模拟实验

最新推荐文章于 2025-04-11 23:05:41 发布

BloodyBlondie

最新推荐文章于 2025-04-11 23:05:41 发布

阅读量4.8k

点赞数 7

分类专栏： R语言编程 python 文章标签： r语言 python

本文链接：https://blog.youkuaiyun.com/weixin_45529837/article/details/105704735

版权

一、编写一次估计函数

1. 载入numpy、固定随机种子

import numpy as np
np.random.seed(1)

2. 编写makeY函数，生成用于模拟实验的Y

def makeY(rho, sigma2true, Ysize):
    I = np.identity(Ysize)
    W = I/rho

    # 使用while语句，必须保证I - rho * W可逆
    while np.linalg.det(I - rho * W) == 0:

        # 生成一列epsilon
        epsilon = np.random.normal(0, sigma2true, Ysize)

        # 生成邻接矩阵
        A = I
        for i in range(0 , Ysize) :
           for j in range(0 , Ysize) :
               if i < j:
                   A[i, j] = np.random.binomial(1, rho)
                   A[j, i] = A[i, j]

        # 标准化带权邻接矩阵A，得到W
        W = A/sum(A)

    # 求所生成网络的密度，衡量其稀疏性
    Ydensity = sum(sum(A)) / (Ysize * (Ysize - 1))


    # 利用输入参数和随机数生成样本Y
    Y = np.matmul(np.linalg.inv(I - rho * W), epsilon)
    return [Y, W, Ydensity]

3. 编写主函数SAR_MLE_newton

def SAR_MLE_newton (rho, sigma2true, Ysize):
    for i in range(1,1000):
        Y = makeY(rho, sigma2true, Ysize)[0]
        W = makeY(rho, sigma2true, Ysize)[1]
        Ydensity = makeY(rho, sigma2true, Ysize)[