Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Просторова регресія (моделі просторового лагу та просторової похибки)× | Регресія звичайно найменших квадратів (ЗНК)× | |
|---|---|---|
| Галузь | Економетрика | Економетрика |
| Родина | Regression model | Regression model |
| Рік появи≠ | 1988 | 2019 |
| Автор методу≠ | Luc Anselin | Wooldridge (textbook treatment); classical least squares |
| Тип≠ | Spatial regression (cross-sectional) | Linear regression |
| Основоположне джерело≠ | Anselin, L. (1988). Spatial Econometrics: Methods and Models. Kluwer Academic Publishers. DOI ↗ | Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860 |
| Інші назви≠ | spatial econometrics, spatial lag model, spatial error model, SAR / SEM | ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu |
| Пов'язані | 5 | 5 |
| Підсумок≠ | Spatial regression is a family of regression models that build geographic neighbourhood relationships directly into the model, introduced by Luc Anselin in his 1988 treatment of spatial econometrics. It splits into a spatial lag model, where spatial dependence sits in the dependent variable, and a spatial error model, where the dependence sits in the error term. | Ordinary Least Squares is the classical linear regression method that explains a continuous outcome as a linear combination of predictors. It estimates the coefficients by minimising the sum of squared residuals, and under the Gauss-Markov assumptions these estimates are the best linear unbiased estimator (BLUE). |
| ScholarGateНабір даних ↗ |
|
|