مدل ترکیبی خودهمبستگی فضایی (SAC)
مدل ترکیبی خودهمبستگی فضایی (SAC)، که با نام مدل SARAR نیز شناخته میشود، وابستگی فضایی را هم در متغیر وابسته و هم در جمله خطا به طور همزمان در نظر میگیرد. مدل SAC که توسط LeSage و Pace (2009) صورتبندی شده است، مدل وقفه فضایی و مدل خطای فضایی را در یک چارچوب واحد ترکیب میکند و دو پارامتر خودهمبستگی فضایی متمایز را برآورد میکند — یکی برهمکنش فضایی ماهوی در میان نتایج را ثبت میکند و دیگری همبستگی فضایی باقیمانده را در میان اختلالات ثبت میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- LeSage, J., & Pace, R. K. (2009). Introduction to Spatial Econometrics. CRC Press. ISBN: 978-1-4200-6424-7
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Spatial Autoregressive Combined (SAC) Model. ScholarGate. https://scholargate.app/fa/spatial-analysis/spatial-sac-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- مدل دوربین فضایی (SDM)تحلیل فضایی↔ compare
- مدل خطای فضایی (SEM)تحلیل فضایی↔ compare
- مدل وقفه فضایی (SAR / خودرگرسیون فضایی)تحلیل فضایی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →