Uzay-Zaman Mekansal Gecikme Modeli
Space-Time Spatial Autoregressive Lag Model · Ayrıca şöyle bilinir: ST-SAR, spatial-temporal lag model, spatiotemporal autoregressive model, space-time SAR model
Uzay-Zaman Mekansal Gecikme Modeli, klasik mekansal otoregresif (SAR) gecikme modelini panel verilere genişleterek, her zaman noktasındaki her konumdaki sonucun komşu konumların eş zamanlı sonuçlarından nasıl etkilendiğini yakalar, aynı zamanda birim-özgü ve zaman-özgü sabit etkileri de kontrol eder.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Panel verilerinizde bağımlı değişkende önemli pozitif mekansal otokorelasyon (zaman dönemleri boyunca Moran'ın I'sı anlamlı) gösterdiğinde ve teori komşular arasında gerçek yayılma veya difüzyon süreçleri önerdiğinde - örneğin, bölgesel büyüme, hastalık yayılımı, suç yayılımı veya konut piyasaları - uzay-zaman mekansal gecikme modelini kullanın. T'nin orta düzeyde (5-30 dönem) ve N'nin makul derecede büyük olduğu durumlarda uygundur. Mekansal otokorelasyonun gerçek yayılmalar yerine korelasyonlu göz ardı edilmiş değişkenlerden kaynaklandığı durumlarda kullanmayın (bu durumda mekansal hata modelini tercih edin), panel çok dengesiz olduğunda, W bilinmediğinde veya belirsiz olduğunda veya birimler arasındaki sonuçlar anlamlı bir şekilde eş zamanlı olarak karşılıklı bağımlı olmadığında kullanmayın.
Güçlü yönler & sınırlılıklar
- Zaman içinde coğrafi birimler arasındaki mekansal yayılma ve bulaşma süreçlerini açıkça modeller.
- Gözlemlenmeyen birim heterojenliğini (sabit etkiler) ve ortak zaman şoklarını ortaklaşa kontrol eder.
- Rho, komşuluk etkileşim gücünün yorumlanabilir bir özetini sağlar.
- Doğrudan/dolaylı etkiler ayrıştırması, kendi birimi üzerindeki etkileri çapraz birim politika etkilerinden ayırır.
- ML tahmini, model doğru bir şekilde belirtildiğinde verimli, tutarlı tahminler verir.
- Önceden belirlenmiş bir mekansal ağırlıklar matrisi W gerektirir; sonuçlar W'nin seçimine duyarlı olabilir.
- ML tahmini büyük N için hesaplama açısından yoğundur ve uygulanması kolay değildir.
- Model, mekansal yapının zaman içinde durağan olduğunu varsayar (W değişmez).
- Gerçek yayılmaları mekansal olarak korelasyonlu göz ardı edilmiş değişkenlerden ayırt etmek, güçlü teori olmadan zordur.
- Çok kısa T (5'ten az dönem) ile, sabit etkiler tahmini rastlantısal parametreler sorunundan muzdariptir.
SSS
Uzay-zaman mekansal gecikme modeli, standart (kesitsel) mekansal gecikme modelinden nasıl farklıdır?
Kesitsel SAR, tek bir zaman noktasında mekansal bağımlılığı modeller. Uzay-zaman versiyonu, birim sabit etkilerini, zaman sabit etkilerini ve zamansal dinamikleri eş zamanlı olarak kontrol ederken birden çok dönem boyunca tahmin etmeye izin veren bir zaman boyutu ekler.
Mekansal ağırlıklar matrisi W'yi nasıl seçmeliyim?
W, etkileşim kanalını yansıtmalıdır - bitişiklik (ortak sınır), ters mesafe, k-en yakın komşular veya ekonomik mesafe. Seçim, veri odaklı optimizasyonla değil, önceki teori ile motive edilmelidir. İki veya üç savunulabilir W matrisi üzerinde duyarlılık analizi iyi bir uygulamadır.
Sabit etkiler mi yoksa rastgele etkiler mi kullanmalıyım?
Hausman benzeri bir test kullanın. Birim-özgü gözlemlenmeyenlerin kovaryantlarla korelasyonlu olması muhtemel olduğunda (bölgesel panellerde yaygın durum), sabit etkiler tercih edilir. Bu varsayım karşılanırsa rastgele etkiler daha verimlidir ve zaman-sabit regresörlerin dahil edilmesi gerekiyorsa gereklidir.
Mekansal gecikme ve mekansal hata modeli arasındaki fark nedir ve nasıl seçilir?
Mekansal gecikme modeli, mekansal bağımlılığı maddi bir yayılma etkisi olarak ele alır (komşuların sonuçları sizin sonucunuza neden olur). Mekansal hata modeli, mekansal bağımlılığı hatalardaki rahatsız edici korelasyon olarak ele alır (ortak göz ardı edilmiş faktörler). OLS sonrası Lagrange çarpanı testleri seçime rehberlik edebilir: LM-gecikme anlamlı ancak LM-hata değilse, gecikme modeli tercih edilir ve tersi.
Zamansal olarak gecikmiş bir bağımlı değişkeni mekansal gecikmenin yanına dahil edebilir miyim?
Evet - bu mekansal dinamik panel modelini (zamansal gecikmeli SDM) verir. Hem Wy_it hem de y_{i,t-1}'i dahil etmek, mekansal ve zamansal kalıcılığı eş zamanlı olarak yakalar, ancak rastlantısal parametreler sorununu ele almak için yanlılık düzeltilmiş ML veya GMM tahmincileri (örneğin, Elhorst 2010) gerektirir.
Kaynaklar
- Anselin, L., Le Gallo, J., & Jayet, H. (2008). Spatial Panel Econometrics. In L. Matyas & P. Sevestre (Eds.), The Econometrics of Panel Data (pp. 625-660). Springer. link ↗
- Elhorst, J. P. (2014). Spatial Econometrics: From Cross-Sectional Data to Spatial Panels. Springer. ISBN: 978-3642403408
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Space-Time Spatial Autoregressive Lag Model. ScholarGate. https://scholargate.app/tr/spatial-analysis/space-time-spatial-lag-model
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
- Uzay-Zaman Mekansal Durbin Modeli (ST-SDM)Mekânsal analiz↔ karşılaştır
- Zaman-Mekân Mekânsal Hata ModeliMekânsal analiz↔ karşılaştır
- Mekansal OtokorelasyonMekânsal analiz↔ karşılaştır
- Mekansal Gecikme Modeli (SAR / Mekansal Otokorelatif)Mekânsal analiz↔ karşılaştır