空间数据是常见的数据形式之一，因此空间数据回归也是最常用的方法之一。由于空间数据之间往往有相关性，它们不满足经典统计学的数据独立性假设，所以回归的理论和建模方式与普通回归模型相比既陌生又复杂。GeoDa与R语言是建立空间回归模型最合适的软件；尤其是GeoDa提供了用户友好的界面，是空间回归方法最方便的建模软件。

阅读全文点击《GeoDa与R语言的空间数据回归》

一、空间相关GeoDa的基本操作

1.GeoDa的特性与基本操作

2.空间的局域相关与全局相关度量

3.空间邻接矩阵与权重

4.距离矩阵与距离权重

二、GeoDa中的普通回归空间依赖

1.最小二乘法

2.非空间的回归诊断

3.空间依赖推断：拉格朗日乘子法

4.二阶段最小二乘法：空间自回归诊断

5.系数的稳定估计及其方差

三、空间回归

1.空间滞后模型：二阶段估计与极大似然法

2.空间误差回归：广义矩方法与极大似然法

3.空间滞后误差回归：广义二阶段估计

4.空间杜宾模型

四、空间异质性模型

1.非空间模型的空间格局模型：原理与操作

2.基于空间模型的空间格局模型

3.空间模型的选择

五、面板数据分析

1.随机效应模型

2.固定效应模型

3.混合效应模型

4.面板数据模型的选择

六、高级空间回归

1.空间滤波方法

2.矩阵指数空间模型

3.贝叶斯空间回归初步

相关文章

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：