0

我目前正在做一个项目，我想最终运行不同的空间回归并将它们与 OLS 进行比较。

我有房地产交易的数据。这包括它们的坐标以及坐标参考系统 (EPSG:25832)。经过大量的清理和准备，我的最终数据集包含 c。6,600 次观察。

我想做的事：创建不同的空间权重矩阵（k-最近邻、距离带宽矩阵等）以用于空间回归。

到目前为止，我所做的是创建一个仅包含坐标的数据集。现在这是一个“矩阵”对象，有两列（经度和纬度坐标）和 c。6,600 行。

然后我使用 sp 包中的“SpatialPoints”函数将坐标放入 SpatialPoints 对象中：

coordinates_sp <- SpatialPoints(data_coordinates)

我现在的第一个问题是：“SpatialPoints”方法是否会自动检测相应的 CRS？是否有可能将 CRS (EPSG:25832) 输入此功能？

其次，我在 R 中绘制了坐标，它们看起来是正确绘制的，但我需要在比仅仅绘制更复杂的基础上确保正确性。这有可能吗？

然后，在第二步中，我使用我的“SpatialPoints”对象创建了一个 k = 5 的简单 k 最近邻矩阵：

knn5_matrix <- knearneigh(coordinates_sp, k = 5, longlat = TRUE)
knn5_matrix <- knn2nb(knn5_matrix)
W$knn5_matrix <- nb2listw(knn5_matrix)

然后我将矩阵转换为带有“knn2nb”的邻域对象，并最终将其转换为带有“nb2listw”的listw对象，该对象存储在一个名为“W”的列表中，其中将存储我所有的权重矩阵，以便我可以使用它带有“lagsarlm”和“errorsarlm”。

现在的问题是：

  1. 显然，数据太大以至于它可以由 R 处理（错误：无法分配大小为 1.3 Gb 的向量）
  2. 由于错误，估计需要很长时间（20-30 分钟）然后停止。

任何关于如何加快估计和处理数据大小的建议都非常受欢迎。我可能在创建权重矩阵时也犯了错误？

非常感谢您的帮助，如果有任何不清楚的地方，请告诉我！

4

0 回答 0