问题标签 [spatial-regression]

我正在使用spdepDurbin 滞后模型运行空间回归。这种类型的模型返回每个回归系数及其显着性水平的直接、间接和总效应。

有没有R像这样的库texreg以一种很好的方式组织 Durbin 滞后模型的输出，其中包含有关直接、间接和总效应的信息？

可重现的例子：

我正在使用空间滞后和德宾回归模型，我想估计影响的标准误差。关于如何做到这一点的任何想法？

下面使用 durbin 模型的可重现示例

我正在大型数据集（n=26,000）上运行空间误差模型，以进行特征价格分析。我已经建立了一个最近邻（k=10）空间权重文件和 listw 对象。但是，当我尝试运行实际的“errorsarlm”函数时，出现以下错误：“错误：无法分配大小为 5.1 Gb 的向量”。我怀疑这与正在创建的大型空间权重文件有关，但我还没有找到解决方法。

我已经尝试过：（1）清除我的全局环境（2）将原始数据框中的列数减少到最低限度（3）将最近邻居的数量减少到 5（4）增加我的内存限制（使用函数：memory.limit(size=56000))

我没有太多时间来运行我的空间回归模型，因此我会感谢您的帮助。

我不知道如何为空间德宾模型（.lagsarlm）运行影响函数，以便我可以看到回归变量总效应的 p 值。

我正在使用 Queen 邻接矩阵（.gal 文件）我在下面为空间错误杜宾模型或空间滞后 X 模型运行完全相同的代码，它运行良好。但是对于使用 .lagsarlm 函数的空间德宾模型，它不起作用

我得到的只是一个错误：

我需要得到这样的结果（这里显示了 SLX 示例），这个结果最底部的总效应的 p 值是最重要的。

我发现运行它需要某些电源线（“tr”），但我不知道它是否适用于皇后型矩阵。

很抱歉提供了很多细节，并提前感谢您的帮助！

我有一个数据集，我为它实现了一个回归模型，并从中假设系数局部变化。如果给出了空间非平稳性，则运行局部回归模型是有意义的，在我的例子中是地理加权回归 (GWR)。

为了找出是否存在空间非平稳性，我知道 Koenker 检验可以在任何 GIS 软件中使用普通最小二乘 (OLS) 回归模型进行计算。但是对于这个项目，我正在使用 R 并且我需要找出是否给出了空间非平稳性。R中是否有任何统计测试可以给我这个结果？

我知道 R 中的 spgwr 包，但它只是实现 GWR，而不是测试是否需要 GWR。

我正在寻找一个可以运行“空间向量自回归”的 R 包。 tandfonline.com/doi/full/10.1080/17421770701346689

根据 Chen 和 Conley (2001)，这是一个“向量自回归 (VAR)，其系数矩阵和冲击协方差矩阵是代理人之间经济距离的函数。其他代理人的变量对给定代理人变量的条件均值的影响是“他们与该代理人的经济距离的函数。类似地，VAR 冲击的协方差是上一时期代理人之间距离的函数，我们称之为各向同性的属性。”

（Chen, X & Conley, TG (2001) A new semiparametric spatial model for panel time series, Journal of Econometrics , 105, 59-83）

然而，令人惊讶的是，我只能看到“空间自回归”，这仍然不是我所需要的。请问我可以帮忙寻找这个包裹吗？否则，我可以知道使用 R 编程运行这个空间向量自回归模型的官方方法吗？

我正在尝试使用时空相关结构来拟合混合效应模型lme {nlme}。
数据包括 37936 lon ( x ) + lat ( y ) 网格单元（18968 男性 + 18968 女性），密度 (kde)、高于/低于长期平均降雨量 ( rainAB ) 和到水的距离 ( wDist ) 每年重复从 2001 年到 2010 年（年F =10）。
我想模拟kde如何受rainAB和wDist对雄性动物和雌性动物的影响，同时允许每个sexF有自己的截距和自己的yearF斜率，而这些又在空间上是相关的（x+y）和时间（yearF）。
该模型在较小的数据集 (n=3780) 上运行良好，但Too large groups in the correlation structure在较大的数据集 (n=379360) 上运行良好。我将不胜感激有关如何处理此问题的任何建议 - 请参阅下面的可重现示例。

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：

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：

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！

我想使用空间回归模型，使用 Python 中的spreg包。我的数据由数字变量组成，但我也有一个分类土地覆盖变量（有 7 个类别），我需要将其包含在模型中。使用statsmodels可以很好地工作，但是我无法弄清楚如何在spreg中执行此操作。

我曾尝试手动创建虚拟变量（使用pd.get_dummies(data['land_cover'])），但这会导致我的 spreg.OLS 模型出现错误消息：

RuntimeWarning：在 sqrt se_result =np.sqrt(variance) 中遇到无效值

RuntimeWarning: sqrt tStat = betas[list(range(0, len(vm)))].reshape(len(vm),) / np.sqrt(variance) 中遇到无效值

所有虚拟变量在结果的 Std.Error、t-Statistic 和 Probability 部分也有 nan 值（见下面的摘录）。

使用具有相同数据/变量的 statsmodels，OLS 模型的输出如下：

如何将我的分类数据包含到 spreg 模型中（例如 spreg.GM_Lag）？

我的问题与“spdep”包的函数errorsarlm()、lagsarlm() 和sacsarlm() 有关。我想测试由上述函数之一创建的关于剩余空间自相关的回归的残差，例如通过运行 Moran's I 测试。

对于线性模型，存在函数 lm.morantest() 用于测试 OLS 残差之间的空间自相关。

是否已经在包（不一定是“spdep”或“spatialreg”）中实现了对空间回归模型的残差执行此操作的函数？例如，通过 moran.mc() 命令执行此操作是否正确？

如果不存在这样的功能，那么我自己编写这样的功能的正确方法是什么？

任何帮助深表感谢！