空间计量经济学分析lv.ppt

* 天行健，君子以自强不息；地势坤，君子以厚德载物。 * 地理加权回归模型GWR 假定有 ， 的一系列解释变量观测值 ，及一系列被解释变量的 全局线性回归模型表示为： 地理加权回归是对全局线性回归模型的一种扩展，它将数据的地理空间位置纳入到回归参数之中。 * 天行健，君子以自强不息；地势坤，君子以厚德载物。 * 地理加权回归模型GWR 扩展后的GWR模型如下： 在扩展的GWR模型中，特定区位的回归系数不再是利用全部信息获得的假定常数，而是利用邻近观测值的子样本数据信息进行局域（Local）回归估计而得的、随着空间上局域地理位置变化而变化的变数。 * 天行健，君子以自强不息；地势坤，君子以厚德载物。 * 地理加权回归模型GWR 式中， 系数的下标j表示与 观测值联系的阶待估计参数向量，是关于地理位置 的k+1元函数。GWR可以对每个观测值估计出k个参数向量的估计值， 是第i个区域的随机误差，满足零均值、同方差、相互独立等球形扰动假定。 * 天行健，君子以自强不息；地势坤，君子以厚德载物。 * 地理加权回归模型GWR 实际上，以上模型可以表示为在每个区域都有一个对应的估计函数，其对数似然函数可以表示为： * 天行健，君子以自强不息；地势坤，君子以厚德载物。 * 地理加权回归模型 式中， 为常数， 。 由于极大似然法（ML）的解不是唯一的，Hastie和Tibshirani（1993）认为用该方法求解是不恰当的。Tibshirani和Hastie（1987）提出了局域求解法，原理与方法如下： 对于第s个空间位置 ，任取一空间位置 与其位置邻近，构造一个简单的回归模型： * 天行健，君子以自强不息；地势坤，君子以厚德载物。 * 地理加权回归模型GWR 式中，每个 为常数且为GWR模型中 的近似值，通过考虑与点 相邻近的点来校正经典回归模型中的解。一个基本的方法就是采用加权最小二乘法（WLS），寻找合适的使得下式最小： * 天行健，君子以自强不息；地势坤，君子以厚德载物。 * 地理加权回归模型GWR 式中， 为位置 和 之间的空间距离， 为空间权值。令 为 的估计值，可得GWR模型在空间位置 上的估计值 。对上式求 的一阶偏导数，并令其等于0，可得： * 天行健，君子以自强不息；地势坤，君子以厚德载物。 * 地理加权回归模型 式中， 为 的对角线矩阵。可以看出， 的GWR估计值是随着空间权值矩阵 的变化而变化的，因此 的选择至关重要，一般由观测值的空间（经纬度）坐标决定。 * 天行健，君子以自强不息；地势坤，君子以厚德载物。 * 地理加权回归模型 实际研究中常用的空间距离权值计算公式有三种（LeSage，2004）。 （1）高斯距离权值（Gaussian Distance） （2）指数距离权值（Exponential Distance） （3）三次方距离权值（Tricube Distance） * 天行健，君子以自强不息；地势坤，君子以厚德载物。 * 地理加权回归模型 其中 为第i个区域与第j个区域间的地理距离， 为标准正态分布密度函数，q为观测值i到第q个最近邻居之间的距离， 为距离向量的标准差， 为衰减参数（窗宽）。 * 天行健，君子以自强不息；地势坤，君子以厚德载物。 * 地理加权回归模型 在空间权值矩阵中，d和θ非常关键。如果d较大，则局域模型的解越趋向于全域模型的解；如果d等于所研究空间任意两点间的最大距离，则全域和局域两个模型将相等，反之则相反。 若θ趋于无穷大，任意两点的权重将趋于1，则被估计的参数变成一致时，GWR就等于以OLS估计的经典线性回归；反之，当带宽变得很小时，参数估计将更加依赖于邻近的观测值。计算适当的窗宽或衰减函数的原理方法很多，最小二乘法仍然是一般常用的方法，其原理是： * 天行健，君子以自强不息；地势坤，君子以厚德载物。 * 地理加权回归模型 式中， 是用窗宽θ计算所得的