Panel Mekansal Otokorelasyon
Panel Data Spatial Autocorrelation Analysis · Ayrıca şöyle bilinir: spatial autocorrelation in panel data, panel spatial dependence, spatio-temporal autocorrelation, cross-sectional dependence in panels
Panel Mekansal Otokorelasyon, coğrafi olarak yakın gözlemlerin tekrarlanan zaman periyotları boyunca benzer değerlere sahip olma eğiliminde olup olmadığını ölçer. Moran'ın I'sı gibi klasik kesitsel mekansal otokorelasyon istatistiklerini panel verilere genişleterek, araştırmacıların zaman içinde tutarlı bir şekilde mekansal bağımlılığı tespit etmelerini ve bir panel regresyon modelinin mekansal bir bileşen gerektirip gerektirmediğini teşhis etmelerini sağlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Coğrafi birimler (ülkeler, bölgeler, nüfus sayım bölgeleri) üzerinde tekrarlanan gözlemleriniz olduğunda ve bir panel regresyonu uydurmadan önce mekansal bağımlılığı doğrulamak veya dışlamak istediğinizde Panel Mekansal Otokorelasyonu kullanın. Panel dengeli veya tama yakın dengeli olduğunda ve birimlere bir konum veya ortak sınır ilişkisi atanabildiğinde uygundur. Tahmin için tek başına bir model olarak kullanmayın; bu bir teşhis ve keşif aracıdır. Coğrafi yakınlığın sonuçla teorik olarak ilgisi olmadığında veya zaman periyodu sayısı çok az olduğunda (T < 5), periyot düzeyindeki istatistikler güvenilmez hale geldiği için bundan kaçının.
Güçlü yönler & sınırlılıklar
- Mekansal bağımlılığın panelin istikrarlı bir özelliği olup olmadığını doğrudan test eder, model seçimini (mekansal gecikme - mekansal hata - mekansal olmayan panel) bilgilendirir.
- Periyot bazlı Moran'ın I değerleri, mekansal kümelenmenin zamanla yoğunlaşıp yoğunlaşmadığını, zayıflayıp zayıflamadığını veya kayıp kaymadığını ortaya koyar.
- Tam bir yapısal model gerektirmeden, iyi anlaşılan kesitsel mekansal istatistikleri panel bağlamına genişletir.
- Ortak test istatistikleri (örneğin, paneller için Anselin'in LM testleri), hem mekansal gecikme hem de mekansal hata alternatiflerine karşı iyi bir güce sahiptir.
- Standart sabit etkiler ve rastgele etkiler artıkleriyle uyumludur, bu nedenle standart panel tahmincilerinin üzerine katmanlanabilir.
- Sonuçlar, mekansal ağırlık matrisi W'nin seçimine büyük ölçüde bağlıdır; evrensel olarak doğru bir spesifikasyon yoktur.
- Periyot bazlı Moran'ın I değerleri, seri korelasyon varsa zaman içinde bağımsız değildir, bu da ortak çıkarımı karmaşıklaştırır.
- Büyük N ve küçük T ile havuzlanmış istatistik için asimptotik yaklaşımlar yetersiz olabilir.
- Mekansal bağımlılığın varlığını tespit eder ancak kaynağını veya kullanılacak doğru mekansal modeli belirlemez.
- Kenar etkileri ve düzensiz şekilli veya boyutlu mekansal birimler ağırlık matrisini bozabilir ve sonuçları yanlı hale getirebilir.
SSS
Panel Mekansal Otokorelasyon, sıradan Moran'ın I'sından nasıl farklıdır?
Sıradan Moran'ın I'sı tek bir kesit için hesaplanır. Panel Mekansal Otokorelasyon, her zaman periyodunun artıklarına Moran'ın I'sını (veya eşdeğer teşhisleri) uygular ve ardından sonuçları toplar, verilerin tekrarlanan ölçüm yapısını hesaba katan genel bir test sağlar.
Hangi mekansal ağırlık matrisini kullanmalıyım?
Evrensel bir cevap yoktur. Kraliçe veya kale komşuluğu, sınırları paylaşan idari bölgeler için yaygındır. Ters mesafe veya k-en yakın komşu ağırlıkları, nokta verileri veya son derece düzensiz birimler için uygundur. İki veya üç olası spesifikasyon üzerinden duyarlılık analizi önerilir; W ile değişen sonuçlar dikkat gerektirir.
Önemli mekansal otokorelasyon bulursam ne yapmalıyım?
Bir sonraki adım model seçimidir: mekansal gecikme panel modeli ile mekansal hata panel modeli için Lagrange Çarpanı testlerini karşılaştırın. Her ikisi de anlamlıysa, mekansal Durbin panel modeli veya genel yuvalama mekansal modeli uygun olabilir. Tercih edilen mekansal spesifikasyonla yeniden tahmin edin ve yeni artıklar üzerinde otokorelasyon teşhislerini yeniden çalıştırın.
Bunu dengesiz bir panel ile uygulayabilir miyim?
Evet, ancak dikkatle. Aynı mekansal birimler her periyotta gözlemlendiği sürece periyot bazlı Moran'ın I'sı hala hesaplanabilir. Eksik birimler tutarlı bir W matrisinin oluşturulmasını karmaşıklaştırır; analizden önce liste bazında silme veya atama gerekebilir.
Panel Mekansal Otokorelasyon, Pesaran'ın CD testi ile aynı mı?
İlgilidirler ancak aynı değillerdir. Pesaran'ın kesitsel bağımlılık (CD) testi, coğrafi bir yapı gerektirmeden panel birimleri arasındaki korelasyon için genel bir testtir, Panel Mekansal Otokorelasyon ise özel olarak bir mekansal ağırlık matrisi kullanır. Bağımlılık coğrafi olmadığında Pesaran'ın CD'si daha güçlüdür; bağımlılık mekansal bir deseni takip ettiğinde Moran tabanlı panel testleri daha iyidir.
Kaynaklar
- Anselin, L. (2013). Spatial Econometrics: Methods and Models. Springer Netherlands. (Originally published 1988.) ISBN: 978-9401577991
- Elhorst, J. P. (2014). Spatial Econometrics: From Cross-Sectional Data to Spatial Panels. Springer Berlin Heidelberg. ISBN: 978-3642403408
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Panel Data Spatial Autocorrelation Analysis. ScholarGate. https://scholargate.app/tr/spatial-analysis/panel-spatial-autocorrelation
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 Mekansal OtokorelasyonMekânsal analiz↔ karşılaştır
- Moran's IMekânsal analiz↔ karşılaştır
- Panel Mekansal Hata ModeliMekânsal analiz↔ karşılaştır
- Mekansal OtokorelasyonMekânsal analiz↔ karşılaştır