Пространственная автокорреляция - История изменений

Patarakin в 20:19, 19 сентября 2025

2025-09-19T20:19:42Z

← Предыдущая версия		Версия от 23:19, 19 сентября 2025
Строка 28:		Строка 28:

	где <math>d_{ij}</math> — расстояние между участками <math>i</math> и <math>j</math>, а <math>s_{j}</math> = +1 для богатых и –1 для бедных агентов. Это приводит к автокорреляции цен и качеств в пространстве.		где <math>d_{ij}</math> — расстояние между участками <math>i</math> и <math>j</math>, а <math>s_{j}</math> = +1 для богатых и –1 для бедных агентов. Это приводит к автокорреляции цен и качеств в пространстве.

			; Сегрегация Шеллинга
			Агенты оценивают долю «своих» в радиусе <math>r</math>:
			<math>
			U(i) = \frac{\#\{\text{своих в }r\}}{\#\{\text{всех в }r\}},
			</math>

			и предпочитают участки с высокой долей «своих». Выбор соседей создаёт пространственно автокоррелированную картину расселения.

Patarakin в 20:18, 19 сентября 2025

2025-09-19T20:18:45Z

← Предыдущая версия		Версия от 23:18, 19 сентября 2025
Строка 19:		Строка 19:

	Если <math>\rho \neq 0</math>, наблюдения, расположенные ближе друг к другу, оказывают взаимное влияние, и стандартная оценка [[метод наименьших квадратов\|методом наименьших квадратов]]даёт смещённые и несостоятельные коэффициенты.		Если <math>\rho \neq 0</math>, наблюдения, расположенные ближе друг к другу, оказывают взаимное влияние, и стандартная оценка [[метод наименьших квадратов\|методом наименьших квадратов]]даёт смещённые и несостоятельные коэффициенты.

			; «Экономическое неравенство» - [[Economic Disparity]]
			Изменение цены и качества участка <math>i</math> под влиянием агентов распространяется на соседние участки с экспоненциальным затуханием:

			<math>
			\Delta A_{i} = \sum_{j\in R(i)} \kappa\,e^{-\lambda d_{ij}}\,s_{j},
			</math>

			где <math>d_{ij}</math> — расстояние между участками <math>i</math> и <math>j</math>, а <math>s_{j}</math> = +1 для богатых и –1 для бедных агентов. Это приводит к автокорреляции цен и качеств в пространстве.

Patarakin в 20:16, 19 сентября 2025

2025-09-19T20:16:28Z

← Предыдущая версия		Версия от 23:16, 19 сентября 2025
Строка 18:		Строка 18:
	– <math>\varepsilon</math> — вектор случайных ошибок.		– <math>\varepsilon</math> — вектор случайных ошибок.

	Если <math>\rho \neq 0</math>, наблюдения, расположенные ближе друг к другу, оказывают взаимное влияние, и стандартная оценка методом наименьших квадратов даёт смещённые и несостоятельные коэффициенты.		Если <math>\rho \neq 0</math>, наблюдения, расположенные ближе друг к другу, оказывают взаимное влияние, и стандартная оценка [[метод наименьших квадратов\|методом наименьших квадратов]]даёт смещённые и несостоятельные коэффициенты.

Patarakin в 20:15, 19 сентября 2025

2025-09-19T20:15:34Z

← Предыдущая версия		Версия от 23:15, 19 сентября 2025
Строка 5:		Строка 5:
	\|Environment=Economic Disparity		\|Environment=Economic Disparity
	}}		}}
	Пространственная автокорреляция в эконометрике — это свойство, при котором значения ~~экономической переменной в~~ одной ~~точке пространства статистически зависят от значений этой~~ же переменной в соседних точках. Формально пространственная автокорреляция означает, что остатки регрессионной модели или сами переменные удовлетворяют модели:		'''Пространственная автокорреляция''' в эконометрике — это свойство, при котором значения одной и той же переменной в соседних географических точках статистически зависимы. Формально это выражается в модели пространственной авторегрессии:

	<math>		<math>
	Y = \alpha + \beta X + \rho W\,Y + \varepsilon,		Y = \alpha + \beta\,X + \rho\,W\,Y + \varepsilon
	</math>		</math>
	где
	* <math>Y</math> — вектор наблюдений зависимой переменной;		где
	* <math>X</math> — матрица независимых переменных;		– <math>Y</math> — вектор наблюдений зависимой переменной;
	* <math>W</math> — матрица пространственных весов (описывающая соседство участков);		– <math>X</math> — матрица независимых переменных;
	* <math>\rho</math> — коэффициент пространственной автокорреляции;		– <math>W</math> — матрица пространственных весов (описывающая соседство участков);
	* <math>\varepsilon</math> — вектор случайных ошибок.		– <math>\rho</math> — коэффициент пространственной автокорреляции;
			– <math>\varepsilon</math> — вектор случайных ошибок.

			Если <math>\rho \neq 0</math>, наблюдения, расположенные ближе друг к другу, оказывают взаимное влияние, и стандартная оценка методом наименьших квадратов даёт смещённые и несостоятельные коэффициенты.

Patarakin в 20:14, 19 сентября 2025

2025-09-19T20:14:08Z

← Предыдущая версия		Версия от 23:14, 19 сентября 2025
Строка 10:		Строка 10:
	Y = \alpha + \beta X + \rho W\,Y + \varepsilon,		Y = \alpha + \beta X + \rho W\,Y + \varepsilon,
	</math>		</math>
			где
			* <math>Y</math> — вектор наблюдений зависимой переменной;
			* <math>X</math> — матрица независимых переменных;
			* <math>W</math> — матрица пространственных весов (описывающая соседство участков);
			* <math>\rho</math> — коэффициент пространственной автокорреляции;
			* <math>\varepsilon</math> — вектор случайных ошибок.

Patarakin: Новая страница: «{{Понятие |Description=Пространственная автокорреляция в эконометрике — это свойство, при котором значения экономической переменной в одной точке пространства статистически зависят от значений этой же переменной в соседних точках. |Field_of_knowledge=Экономика, С...»

2025-09-19T20:11:58Z

Новая страница: «{{Понятие |Description=Пространственная автокорреляция в эконометрике — это свойство, при котором значения экономической переменной в одной точке пространства статистически зависят от значений этой же переменной в соседних точках. |Field_of_knowledge=Экономика, С...»

Новая страница

{{Понятие
|Description=Пространственная автокорреляция в эконометрике — это свойство, при котором значения экономической переменной в одной точке пространства статистически зависят от значений этой же переменной в соседних точках.
|Field_of_knowledge=Экономика, Статистика
|similar_concepts=Регрессия
|Environment=Economic Disparity
}}
Пространственная автокорреляция в эконометрике — это свойство, при котором значения экономической переменной в одной точке пространства статистически зависят от значений этой же переменной в соседних точках. Формально пространственная автокорреляция означает, что остатки регрессионной модели или сами переменные удовлетворяют модели:

<math>
Y = \alpha + \beta X + \rho W\,Y + \varepsilon,
</math>