前沿

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。

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

原文链接详见公众号：技术科研吧