Mekansal SAC Modeli
Spatial Autoregressive Combined (SAC) Model · Ayrıca şöyle bilinir: SARAR Model, Spatial Autoregressive Model with Autoregressive Disturbances, Cliff-Ord Combined Model, Uzamsal Otoregresif Birleşik Model
SARAR modeli olarak da bilinen Mekansal Otoregresif Birleşik (SAC) modeli, hem bağımlı değişkendeki hem de hata terimindeki mekansal bağımlılığı eş zamanlı olarak hesaba katar. LeSage ve Pace (2009) tarafından formüle edilen SAC modeli, mekansal gecikme modelini ve mekansal hata modelini tek bir çerçevede birleştirir; iki farklı mekansal otoregresif parametre tahmin eder — bunlardan biri sonuçlar arasındaki esaslı mekansal etkileşimi, diğeri ise bozukluklar arasındaki kalıntı mekansal korelasyonu yakalar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Hem sonuçlar arasındaki esaslı mekansal etkileşim hem de mekansal olarak yapılandırılmış kalıntılar teorik olarak makul olduğunda veya Robust LM testleri gibi spesifikasyon testleri ile tespit edildiğinde SAC modelini kullanın. Anlamlı bir mekansal ağırlıklar matrisinin oluşturulabileceği kesitsel alan verileri için uygundur. Temel varsayımlar arasında W'nin doğru spesifikasyonu, mekansal yapıya koşullu homoskedastik hatalar ve mekansal süreçlerin durağanlığı bulunur. SAC modeli, iç içe geçmiş alternatiflerinden daha fazla veri ve hesaplama gerektirir; bağımlılığın yalnızca bir formu teori veya teşhisler tarafından belirtildiğinde mekansal gecikme veya mekansal hata modelini tercih edin.
Güçlü yönler & sınırlılıklar
- İki farklı mekansal bağımlılık kaynağını eş zamanlı olarak kontrol ederek, daha basit mekansal modellere kıyasla dışlanan değişken yanlılığını azaltır
- Hem mekansal gecikme hem de mekansal hata modellerini özel durumlar olarak içerir, bu da model kısıtlamalarının resmi olabilirlik oranı testlerine olanak tanır
- Maksimum olabilirlik aracılığıyla doğru spesifikasyon altında tutarlı ve asimptotik olarak verimli parametre tahminleri üretir
- Ekonomi, epidemiyoloji ve bölgesel bilimde karmaşık gerçek dünya mekansal veri üretim süreçlerini yakalayacak kadar esnektir
- Bir mekansal ağırlıklar matrisi W'nin spesifikasyonunu gerektirir ve sonuçlar bu seçime duyarlı olabilir
- İki mekansal süreç veriler tarafından iyi ayırt edilemediğinde rho ve lambda'nın tanımlanması ve hassasiyeti düşük olabilir
- İki log-determinant değerlendirmesi nedeniyle tek başına mekansal gecikme veya hata modelinden daha yoğun hesaplama gerektirir
- Doğrudan, dolaylı ve toplam etkilerin yorumlanması, tek başına mekansal gecikme modelindekinden daha karmaşıktır
SSS
SAC modeli Mekansal Durbin Modelinden (SDM) nasıl farklıdır?
Mekansal Durbin Modeli (SDM), y'nin mekansal gecikmesine ek olarak mekansal gecikmeli açıklayıcı değişkenleri (WX) içerirken, SAC modeli y'nin mekansal gecikmesini mekansal otoregresif bir hata süreciyle birleştirir. SDM, kovaryatlardaki yayılmaları ele alır; SAC modeli, sonuçlardaki ve kalıntılardaki eş zamanlı yayılmaları ele alır. Her ikisi de saf mekansal gecikme veya hata modelinden daha geneldir, ancak farklı genellemeler aracılığıyla.
Hem rho hem de lambda istatistiksel olarak anlamlı olabilir mi?
Evet. Gerçek veri üretim süreci hem esaslı mekansal etkileşimi hem de mekansal olarak ilişkili bozuklukları içerdiğinde, her iki parametre de sıfırdan önemli ölçüde farklı olabilir. Ancak, orta düzeyde mekansal otokorelasyona sahip sonlu örneklemlerde, iki parametreyi kesin olarak ayırt etmek zor olabilir ve her ikisini de anlamlı olarak yorumlamadan önce güçlü teorik motivasyona ve spesifikasyon testlerine güvenmek tavsiye edilir.
SAC modelini hangi yazılımlar tahmin edebilir?
SAC modeli R'de spatialreg paketi (sacsarlm fonksiyonu) ve spdep paketi aracılığıyla mevcuttur. Python kullanıcıları PySAL'ın spreg modülünü (GMM tahmini için GM_Combo veya spreg.ML_Lag varyantları) kullanabilirler. Stata, disterror seçeneğiyle spregress komutu aracılığıyla bunu destekler. Matlab uygulamaları LeSage ve Pace'in kendi mekansal ekonometri araç kutusunda sağlanmaktadır.
Kaynaklar
- LeSage, J., & Pace, R. K. (2009). Introduction to Spatial Econometrics. CRC Press. ISBN: 978-1-4200-6424-7
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Spatial Autoregressive Combined (SAC) Model. ScholarGate. https://scholargate.app/tr/spatial-analysis/spatial-sac-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Mekansal Durbin Modeli (SDM)Mekânsal analiz↔ karşılaştır
- Mekansal Hata Modeli (SEM)Mekânsal analiz↔ karşılaştır
- Mekansal Gecikme Modeli (SAR / Mekansal Otokorelatif)Mekânsal analiz↔ karşılaştır