İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Mekânsal analiz›Yerel Uzamsal Durbin Modeli
Regression modelGIS / spatial

Yerel Uzamsal Durbin Modeli

Local Spatial Durbin Model · Ayrıca şöyle bilinir: local SDM, geographically weighted Spatial Durbin Model, GW-SDM, spatially varying Durbin model

Yerel Uzamsal Durbin Modeli (Yerel SDM), regresyon katsayılarının coğrafi uzayda değişmesine izin vererek küresel Uzamsal Durbin Modelini genişletir. SDM'nin hem bağımlı değişkenin uzamsal gecikmesini hem de kovaryatların uzamsal gecikmelerini yakalama yeteneğini coğrafi olarak ağırlıklandırılmış bir tahmin çerçevesiyle birleştirir ve konuma özgü doğrudan ve dolaylı yayılma etkileri üretir.

ScholarGate
  1. Regression model
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Yerel Uzamsal Durbin Modeli
Coğrafi Ağırlıklı Regres…Yerel Uzamsal Gecikme Mo…Yerel Mekansal RegresyonÇok Ölçekli Coğrafi Ağır…Mekansal Durbin Modeli (…

Ne zaman kullanılır

Yerel Uzamsal Durbin Modelini, teori hem sonucun hem de kovaryatların uzamsal yayılmalar sergilediğini ve bu yayılmaların uzamsal olarak durağan olmasının olası olmadığını öne sürdüğünde kullanın. Bölgesel ekonomi, kentsel politika değerlendirmesi ve sınır ötesi veya komşuluk yayılma mekanizmalarının çalışma alanı boyunca farklılık gösterdiği çevresel çalışmalar için uygundur. Yerel tahmini desteklemek için yeterli sayıda gözlem (genellikle n > 100) ile coğrafi olarak referanslanmış alan veya nokta verileri gerektirir. Çalışma alanı küçük veya homojen olduğunda (küresel bir SDM yeterlidir), uzamsal yayılma etkileri olmadığında (OLS veya GWR daha basittir), panel derinliği çapraz kesitsel uzamsal varyasyon olmadan birincil endişe olduğunda veya büyük ızgaralar için hesaplama kaynakları sınırlı olduğunda kullanmayın.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Eş zamanlı olarak uzamsal olarak değişen doğrudan etkileri, dolaylı yayılmaları ve çapraz değişken yayılmalarını yakalar.
  • Hem sonuç-gecikme parametresindeki hem de kovaryat-gecikme parametrelerindeki uzamsal durağan olmama durumunu ortaya çıkarır.
  • Yerel uzamsal gecikme veya hata modellerinden daha eksiksizdir çünkü hem Wy hem de WX terimlerini içerir.
  • Yayılma gücünün çalışma bölgesi boyunca nasıl kaydığını gösteren yorumlanabilir haritalar üretir.
  • Yerel uzamsal gecikme modelini ve yerel OLS/GWR'yi özel durumlar olarak içerir, esnek bir teşhis sağlar.
Sınırlılıklar
  • Hesaplama açısından yoğundur: tam bir yerel SDM, her konumda yinelemeli tahmin gerektirir, bu da küresel bir SDM'nin maliyetini çarpar.
  • Bant genişliği seçimi önemsiz değildir ve sonuçları güçlü bir şekilde etkileyebilir; yanlış belirtme, katsayı yüzeylerinin aşırı veya yetersiz yumuşatılmasına yol açar.
  • Her konumda küçük etkili örneklem boyutlarıyla yerel tahmin, standart hataları şişirir ve yerel çıkarımın güvenilirliğini azaltır.
  • Yerel olarak rho(i)'yi belirlemek, küresel bir modelden daha fazla belirleme sorununa eğilimlidir, özellikle seyrek veya düzensiz uzamsal ağırlık matrisleriyle.
  • Tam yerel SDM'yi uygulayan yaygın olarak kabul görmüş tek bir yazılım paketi yoktur; analistler genellikle GWR tabanlı sarmalayıcılar veya Monte Carlo yaklaşımlarıyla yaklaşırlar.

SSS

Yerel SDM, Coğrafi Ağırlıklı Regresyondan (GWR) nasıl farklıdır?

GWR, standart bir OLS modelini yerelleştirir ve gözlemler arasındaki uzamsal bağımlılığı göz ardı eder. Yerel SDM, bir Uzamsal Durbin Modelini yerelleştirir, bu nedenle katsayıların coğrafi olarak değişmesine izin vermenin yanı sıra uzamsal gecikme bağımlılığını (Wy) ve çapraz değişken yayılmalarını (WX) açıkça modeller. GWR kalıntıları genellikle Yerel SDM'nin model yapısına emdiği uzamsal otokorelasyonu korur.

Ne zaman küresel SDM'yi yerel sürüm yerine tercih etmeliyim?

Eğer GWR veya yerel SDM kalıntılarının Moran'ı I testi, kalan uzamsal otokorelasyon göstermiyorsa ve katsayı haritaları pürüzsüz ve istatistiksel olarak homojen görünüyorsa, küresel SDM daha ekonomiktir ve daha kesin tahminler verir. Yerel sürüm yalnızca yayılma parametrelerinde uzamsal durağan olmama durumuna ilişkin kanıt olduğunda gereklidir.

Yerel SDM için uzamsal ağırlık matrisi W'yi nasıl seçerim?

Alan verileri için kraliçe veya rook bitişikliği ve nokta verileri için mesafe bandı veya k-en yakın komşu ağırlıkları test etmek standart uygulamadır. İki veya üç aday W matrisi üzerinde hassasiyet analizi tavsiye edilir; sonuçlar önemli ölçüde değişirse, her matris için sonuçları raporlayın.

Yerel SDM panel verilerine uygulanabilir mi?

Evet, ancak ek dikkat gerektirir: yerel tahmin, zamansal olduğu kadar coğrafi ağırlıklandırmayı da hesaba katmalıdır veya iki adımlı bir yaklaşım kullanılabilir (küresel parametreler için uzamsal panel, ardından yerel varyasyon için kalıntı analizi). Özel uzamsal panel yerel modelleri aktif bir araştırma alanıdır.

Yerel SDM'de negatif dolaylı etkileri nasıl yorumlarım?

Konum i'de negatif bir dolaylı etki, komşu konumlardaki j bir kovaryattaki artışın aslında i'deki sonucu azalttığı anlamına gelir. Bu, rekabetçi yer değiştirmeyi gösterebilir - örneğin, komşu bir bölgedeki yeni bir işletmenin müşterileri uzaklaştırması - ve bunun homojen olarak mı yoksa yalnızca belirli bölgelerde mi geçerli olduğu tam olarak yerel modelin ortaya çıkardığı şeydir.

Kaynaklar

  1. LeSage, J. P., & Pace, R. K. (2009). Introduction to Spatial Econometrics. CRC Press / Taylor & Francis. ISBN: 978-1420064247
  2. Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2002). Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. Wiley. ISBN: 978-0471496168

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 3). Local Spatial Durbin Model. ScholarGate. https://scholargate.app/tr/spatial-analysis/local-spatial-durbin-model

İlişkili yöntemler

Coğrafi Ağırlıklı Regresyon (GWR)Yerel Uzamsal Gecikme ModeliYerel Mekansal RegresyonÇok Ölçekli Coğrafi Ağırlıklı Regresyon (MGWR)Mekansal Durbin Modeli (SDM)

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • Coğrafi Ağırlıklı Regresyon (GWR)Mekânsal analiz↔ karşılaştır
  • Yerel Uzamsal Gecikme ModeliMekânsal analiz↔ karşılaştır
  • Yerel Mekansal RegresyonMekânsal analiz↔ karşılaştır
  • Çok Ölçekli Coğrafi Ağırlıklı Regresyon (MGWR)Mekânsal analiz↔ karşılaştır
  • Mekansal Durbin Modeli (SDM)Mekânsal analiz↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

Yerel Uzamsal Gecikme Modeli

Benzer yöntemler

Küresel Mekansal Durbin Modeli (SDM)Yerel Uzamsal Gecikme ModeliMekansal Durbin Modeli (SDM)Panel Durbin Uzamsal ModeliUzay-Zaman Mekansal Durbin Modeli (ST-SDM)Yerel Mekansal RegresyonBayes Uzamsal Durbin ModeliKüresel Uzamsal Panel Modeli

İlgili referans kavramlar

Cross-Sectional Models • Spatial Models • Treatment Effect Models • Quantile Regressions • Social Interaction ModelsCross-Sectional Models • Spatial Models • Treatment Effect Models • Quantile RegressionsPanel Data Models • Spatio-temporal ModelsPanel Data Models • Spatio-temporal ModelsÇok Düzeyli ve Kısmi Havuzlama ModelleriYapısal Eşitlik Modellemesi

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Local Spatial Durbin Model (Local Spatial Durbin Model). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/spatial-analysis/local-spatial-durbin-model · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
LeSage & Pace (SDM foundation); local adaptation via Fotheringham et al. GWR framework
Year
2002–2009
Type
Spatially varying regression model
DataType
Georeferenced cross-sectional or panel data with spatial weights
Subfamily
GIS / spatial
İlişkili yöntemler
Coğrafi Ağırlıklı Regresyon (GWR)Yerel Uzamsal Gecikme ModeliYerel Mekansal RegresyonÇok Ölçekli Coğrafi Ağırlıklı Regresyon (MGWR)Mekansal Durbin Modeli (SDM)
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil