時系列データの空間的自己相関

一連のポリゴン（約200の不規則な形状の連続したポリゴン）の種の数の年間数の20年のデータセットがあります。私は回帰分析を使用して、各ポリゴンの傾向（1年あたりの数の変化）と、管理境界に基づくポリゴンデータの集約を推測しています。

データに空間的自己相関があると確信しています。これは、集約されたデータの回帰分析に影響を与えます。私の質問は-時系列データのSACテストを実行するにはどうすればよいですか？毎年の回帰の残差のSAC（グローバルモランI）を確認する必要がありますか？または、すべての年で1つのテストを実行できますか？

はい、SACがあることをテストしたら、これに対処するのは簡単でしたか？私の統計の背景は最小限であり、私が時空間モデリングで読んだすべては非常に複雑に聞こえます。Rに距離重み付けされた自己共変量関数があることを知っています-これは使用するのが簡単ですか？

私はこの問題についてSACを評価/追加する方法について非常に混乱しており、提案、リンク、または参考資料をいただければ幸いです。前もって感謝します！

この論文によると、OLSは空間的自己相関の存在下で一貫していますが、標準誤差は正しくなく、調整する必要があります。Solomon Hsiangは、そうするためのstataおよびmatlabコードを提供します。残念ながら、このためのRコードについてはよく知りません。

空間プロセスを明示的にモデル化する空間統計のこの種の問題に対する他のアプローチは確かにあります。これは標準エラーを膨らませるだけです。

理論的な計量経済学者たちは、あいにく、難読化に喜びを感じているようです。リンクされた論文は本当に読みにくい。基本的にそれが言うことはあなたが望む回帰を実行し、後で標準エラーを修正することです：すなわちHsiangからのコードを使用します。推定器の分散を推定しようとするまで、空間はそれに入りません。直感的に、すべての違いが互いに接近している場合、見積もりが観測されていない空間的衝撃の遺物ではないという確信がなくなります。

空間プロセスが動作していると思われるカーネル帯域幅を指定する必要があることに注意してください。

この回答は基本的に、ここで行った同様の回答のコピー/貼り付けのリハッシュです

問題が自己相関エラーである場合、場合、ACDによると、OLSは一貫していますが非効率的です。それは時系列計量経済学におけるシリアル相関のようなものです。$y = X\beta + u, u=\rho Wu + \epsilon$

しかし、空間的自己依存性（自己相関とも呼ばれ、混乱を招く）がある場合、 場合、OLSは一貫していません。これは、欠落している変数バイアスと同じです。両方の問題がある場合は、空間ダービンモデルを使用する必要があります。$y = \rho W y+ X\beta + \epsilon$$y = \rho W y + X\beta + WX \lambda + \epsilon$

R のspdepパッケージには、空間ウェイトマトリックスの計算、空間回帰の推定などを行う多数の関数が含まれています。lagsarlm関数についてはかなりの経験がありますが、パッケージのドキュメントで、sacsarlm探している関数のように見える関数があることを確認してください。

問題の時間的側面に関する限り、依存関係に基づいた仮定は、モデルの仕様を決定するのに大いに役立ちます。あなたの地域は互いに直接相互作用していますか？この例は、貿易または住宅市場です。ある国からの輸出は別の国の輸入に大きく依存しており、最近購入した住宅の売却価格は、近隣の住宅の売却価格に非常に重要な貢献をしています。この場合、この依存性に対応するために重み行列を指定することは理にかなっています。時間に購入された家が、時間家と「隣人」になることを許可しますが、時間家とはできません。$W$$t$$t-1$$t +1$

用語が相関しているが、農業生産高などのように互いに論理的に依存していない場合は、時間に影響されない単一の行列を持つことはおそらく意味がありますが、仕様には年のダミーを含めることになります。$W$$X$