Patarakin в 04:52, 20 сентября 2025

2025-09-20T04:52:09Z

← Предыдущая версия		Версия от 07:52, 20 сентября 2025
Строка 80:		Строка 80:
	library(lmtest)		library(lmtest)
	bp_test <- bptest(model)		bp_test <- bptest(model)
	cat("Тест ~~Бреуша~~-Пагана на гетероскедастичность: p-value =", bp_test$p.value, "\n")		cat("Тест Бройша-Пагана на гетероскедастичность: p-value =", bp_test$p.value, "\n")

	# Визуализация остатков		# Визуализация остатков

Patarakin: Новая страница: « # ============================================================================ # Симуляция данных из модели Economic Disparity library(ggplot2) library(dplyr) set.seed(123) n <- 1000 # количество участков # Создание пространственных координат coords <- expand.grid(x = 1:sqrt(n), y = 1:sqrt(n)) # Симуляция агентов и их влияни...»

2025-09-20T04:46:28Z

Новая страница: «<syntaxhighlight lang="R" line> # ============================================================================ # Симуляция данных из модели Economic Disparity library(ggplot2) library(dplyr) set.seed(123) n <- 1000 # количество участков # Создание пространственных координат coords <- expand.grid(x = 1:sqrt(n), y = 1:sqrt(n)) # Симуляция агентов и их влияни...»

Новая страница

<syntaxhighlight lang="R" line>
# ============================================================================
# Симуляция данных из модели Economic Disparity
library(ggplot2)
library(dplyr)

set.seed(123)
n <- 1000 # количество участков

# Создание пространственных координат
coords <- expand.grid(x = 1:sqrt(n), y = 1:sqrt(n))

# Симуляция агентов и их влияния на землю
rich_locations <- sample(1:n, size = n0.2) # 20% богатых
poor_locations <- sample(setdiff(1:n, rich_locations), size = n0.3) # 30% бедных

# Базовые значения
base_quality <- 50
base_price <- 50

# Создание данных
land_data <- data.frame(
id = 1:n,
x = coords$x,
y = coords$y,
agent_type = ifelse(1:n %in% rich_locations, "rich",
ifelse(1:n %in% poor_locations, "poor", "empty")),
stringsAsFactors = FALSE
)

# Влияние агентов на качество и цену с пространственным затуханием
land_data$quality <- base_quality
land_data$price <- base_price

for(i in 1:n) {
for(j in 1:n) {
if(i != j) {
distance <- sqrt((land_data$x[i] - land_data$x[j])^2 +
(land_data$y[i] - land_data$y[j])^2)
effect <- exp(-distance/5) # экспоненциальное затухание

if(land_data$agent_type[j] == "rich") {
land_data$quality[i] <- land_data$quality[i] + 10 effect
land_data$price[i] <- land_data$price[i] + 10 effect
} else if(land_data$agent_type[j] == "poor") {
land_data$quality[i] <- land_data$quality[i] - 5 effect
land_data$price[i] <- land_data$price[i] - 5 effect
}
}
}
}

# Добавление случайного шума (ошибки)
land_data$error <- rnorm(n, 0, 5)
land_data$price_observed <- land_data$price + land_data$error

# Регрессионная модель
model <- lm(price_observed ~ quality, data = land_data)
summary(model)

# Расчет дисперсии ошибок
residuals <- residuals(model)
error_variance <- var(residuals)
cat("Оценка дисперсии случайной ошибки:", error_variance, "\n")

# Анализ гетероскедастичности по типам районов
variance_by_type <- land_data %>%
mutate(residuals = residuals(model)) %>%
group_by(agent_type) %>%
summarise(
variance = var(residuals),
mean_quality = mean(quality),
count = n()
)

print("Дисперсия остатков по типам районов:")
print(variance_by_type)

# Тест Бреуша-Пагана на гетероскедастичность
library(lmtest)
bp_test <- bptest(model)
cat("Тест Бреуша-Пагана на гетероскедастичность: p-value =", bp_test$p.value, "\n")

# Визуализация остатков
ggplot(land_data, aes(x = quality, y = residuals(model))) +
geom_point(aes(color = agent_type), alpha = 0.6) +
geom_hline(yintercept = 0, linetype = "dashed") +
geom_smooth(method = "loess", se = FALSE) +
labs(
title = "Анализ остатков модели Economic Disparity",
x = "Качество земли",
y = "Остатки",
color = "Тип района"
) +
theme_minimal()

# ====================================================================
</syntaxhighlight>

Economic Disparity/R simulation - История изменений

Patarakin в 04:52, 20 сентября 2025