2 차원 공간에 점이 있다고 가정 하고 속성 y 에 대한 속성 의 영향을 측정하려고합니다 . 전형적인 선형 회귀 모델은 물론 y = X β + ϵ
여기에는 두 가지 문제가 있습니다. 첫 번째는 항이 공간적으로 상관 될 수 있고 (독립적이고 동일한 오류 가정을 위반 함) 두 번째는 회귀 기울기가 공간에 따라 달라질 수 있다는 것입니다. 첫 번째 문제는 다음과 같이 공간 지연 항을 모델에 통합하여 처리 할 수 있습니다.
LeSage와 Pace의 텍스트에 설명 된 공간 Durbin 모델과 함께 공간적으로 자기 회귀 생략 된 변수 (공간 고정 효과)를 통합 할 수도 있습니다.
여기서 는 가중치 행렬 W에 의해 제어되는 공간 상관의 강도입니다 . 공간 지연의 형태는 공간 상관의 형태에 대한 가정에 따라 달라질 것이다.
두 번째 문제는 내가 익숙하지 않은 기술인 "지리적 가중 회귀"(GWR)를 사용하여 해결되었지만 Brunsdon, et al. (1998) . 한국인 I 말할 수는 따라서 각각의 추정지고, 가중 된 서브 영역으로 회귀 모델의 배열 피팅 포함 의 공간을 기준으로 변화 β I = ( X T W 나 X ) - 1 X T W I Y W는 상술 한 것과 반드시 다르지 않은 다른 공간 가중치 행렬이다.
질문 :된다 평균 한계 효과 공평한 추정 수득 충분하지 첫 번째 방법 (공간 자기 회귀) 에 Y를 ? GWR은 공간 이 과도하게 맞는 것처럼 보입니다. 물론 β 는 공간의 변화이지만, 공간적 위치에 관계없이 치료의 평균 예상 효과를 알고 싶다면 GWR이 무엇을 기여할 수 있습니까?
초기 답변에 대한 나의 시도는 다음과 같습니다.
- 특정 지역 의 추가 침실 에 대한 보험료를 알고 싶다면 GWR이 최선의 선택 인 것 같습니다.
- 추가 침실에 대한 편견없는 글로벌 평균 프리미엄 을 알고 싶다면 공간 자기 회귀 기술을 사용해야합니다.
다른 관점을 듣고 싶습니다.