问题标签 [spdep]

当我使用函数spdep::cell2nb时， lag.listw 会创建不正确的空间滞后值。我有一个栅格文件，想创建一个新的栅格，其中每个像元都有其相邻像元的平均值（空间滞后值）。

下面的代码创建

1. 从头开始的新栅格和
2. 使用cell2nb计算邻域矩阵。
3. nb2listw构造符合每个邻居值的权重。
4. lag.listw创建相邻值的向量
5. 最后我使用这个向量来创建一个新的栅格。

代码：

第一个栅格看起来像：

具有相邻值的新栅格为：

比较这两个图像很明显，这个方法的值是错误的。

仅当给定的栅格/单元矩阵具有相同数量的行和列时，上述代码才有效。测试：

所以我使用 R 中的spdep包来做到这一点。我需要使用其中的 localmoran 函数来获取研究区域中的热点/冷点集群。

在阅读了参考指南之后，我得到了它的工作。

但由于数据是时间序列，现在我不太确定。顺便说一下，我的数据是关于降雨量的，在 2006 年至 2016 年期间在 7 个城市进行了测量。

对于我能想到的最简单的例子，我将缩小这个问题。假设我有这个数据框，我们称之为test。

根据参考指南，我需要创建一个 listw 对象，我做到了。

localmoran 函数至少接受 2 个参数，一个数字向量和一个 listw 对象。数字向量的长度必须与 listw 对象的长度相同（在这个按比例缩小的示例中，为 3）。

我现在的问题是，因为它接受一个数字向量，所以我只能像这样传递一行：

但这仅考虑了时间序列中的第一天。我必须遍历数据才能获得前几天的 localmoran 索引，就像这样。

现在我将通过讨论参考指南中的示例离开一点。该示例仅采用一个数字向量，可能只是该变量的一个实例。但由于我是在多个实例（天）中拍摄的，所以我与这个例子有很大的偏差，现在我既困惑又害怕。

再进一步讨论统计数据，因为我只需要一个跨越整个时间跨度的 localmoran 值，我如何将每天的 localmoran 值合并为一个？平均？费舍尔的转变？ETC？

spdep包是否甚至考虑时间？R中是否有一个确实使用时间的包？

我害怕。

感谢任何回复的人。

（请帮我）

我想创建一个地图，显示两个变量之间的双变量空间相关性。这可以通过制作二元 Moran's I 空间相关性的 LISA 图或使用Lee (2001)提出的 L 指数来完成。

双变量 Moran's I 没有在spdep库中实现，但 L 索引是，所以这是我尝试使用 L 索引但没有成功的方法。一个显示基于莫兰的解决方案的答案我也将非常受欢迎！

正如您从下面可重现的示例中看到的那样，到目前为止，我已经设法计算了本地 L 索引。我想做的是估计伪 p 值并创建一个结果地图，就像我们在 LISA 空间集群中使用的那些地图一样，具有 high-high, high-low, ..., low-low。

在此示例中，目标是创建一个在黑人和白人人口之间具有双变量 Lisa 关联的地图。应在 中创建地图ggplot2，显示集群：

• 黑人的高度存在和白人的高度存在
• 黑人多，白人少
• 黑人的低存在和白人的高存在
• 低存在的黑人和低存在的白人

可重现的例子

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：

我需要单独估计空间滞后 X (SLX) 的空间计量经济学模型，结合空间自回归模型 (SAR) 或空间误差模型 (SEM)。根据 Vega & Elhorst (2015) 的论文“The SLX Model”，将它们组合起来后，它们被称为空间杜宾模型 (SDM) 或空间杜宾误差模型 (SDEM)。

我打算使用 splm 包估计 R 中的所有空间面板模型，这也需要 spdep 函数。从这个意义上说，我从一个形状文件创建了 Queen 和 k = 4 类型的邻居列表：

然后我将此邻居列表转换为权重矩阵：

下一步，我为面板 SAR 和 SEM 模型创建了一个公式，它运行良好并产生了估计值：

然后，我尝试通过创建协变量 X 的空间滞后来估计 SLX、SDM 和 SDEM 模型：

然后我创建了 pseries 值：

但是当我应用slag函数时发生了错误：

我的面板数据有 5 年和 276 个区域。因此，对象的特征是：

所以，我想知道，如果我可以在矩阵中转换 W$weights，例如用作slag 函数示例的usaww，我可以应用函数mat2listw，然后在 X 上使用 slag。

有人能告诉我我哪里错了吗？

我有一个名为的列表列表flat_head。

我编写了一个小函数来遍历每个列表并从空间点数据框中计算 Moran's I。它适用于单个列表，但是当我使用lapply.

关于我做错了什么有什么建议吗？

使用 spdep 包中的 localmoran() 函数可以很容易地通过 Moran's I 计算局部自相关。但是是否可以计算 R 中局部自相关的 Geary 系数？我知道这在 GeoDa 中是可能的，但我不知道如何在 R 中做到这一点。

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

我有一个包含数百个区域的面板数据集，大约 10 年和这些区域的空间数据。我用包创建了一个权重矩阵spdep（通过标准方式，然后，nb2listw）。因此，我有一个包含每个区域（相对于其他区域）的权重的矩阵——但每个区域只表示一次。

我想从spdep包 ( lagsarlm, errorsarlm) 中运行一些空间回归，但出现错误：

Error in subset.listw(listw, subset, zero.policy = zero.policy) : Not yet able to subset general weights lists

和

Error in lagsarlm(y ~ x1 + x2: Input data and weights have different dimensions

我假设这是因为权重矩阵每个区域只有一行（然后，只能计算一年）。你对如何解决这个问题有什么建议吗？我的想法围绕以下几点：

• 扩展空间权重矩阵或
• 告诉 spdep 这些区域将以相同的顺序重复（但如何？）

期待您的建议。

我正在尝试针对我的用例优化 R 的 spdep 函数，因为它对于大型数据库来说非常慢。我做得很好，但我坚持了一点，我试图找到我的权重矩阵的踪迹以进行 LM 错误测试。我认为公式是 tr[(W' + W) W] （Anselin, L., Bera, AK, Florax, R. 和 Yoon, MJ 1996 的第 82 页空间依赖性的简单诊断测试。区域科学和城市经济学， 26, 77–104.) W 是一个方形权重矩阵，保存每个观测值与另一个观测值的空间关系。tr() 运算是对角线的总和。

在我的例子中，权重矩阵是对称的，对角线为零。所以，我认为公式 tr[(W' + W) W] 等于 2*sumsq(W)，速度非常快。但显然我在某个地方弄错了，因为结果与 spdep 库的结果不匹配，这很可能是正确的。

spdep 库的相关部分在这里。谁能帮助我以下函数的结果与 2*sumsq(W) 有何不同或如何使其更快？这个函数是 lm.LMtests 函数被大型数据集阻塞的地方。

对那些不熟悉 R 的 spdep 库的人的补充说明：函数的输入 listw 包含具有两个列表列表的权重矩阵的“图形”实现。listw$neighbors 是一个列表，其中每个列表项是与观察相关的观察索引的列表。listw$weights 具有邻居的相同结构的列表，除了它保存关系的权重。

提前感谢您的任何评论和指示。