变系数建模中空间与非空间变化的平衡： spurious相关的补救方法
应用统计
2021-05-31 v2
摘要
本研究讨论了在空间回归建模中平衡空间与非空间变化的重要性。与在空间统计中流行的空间变系数（SVC）建模不同，非空间变系数（NVC）建模在空间领域基本未被探索。然而，正如我们将解释的，考虑非空间变化不仅为提高模型精度所需，也为减少变系数间的虚假相关所需，而这是SVC建模中的一个主要问题。我们考虑一种采用Moran特征向量方法建模空间与非空间变系数（S&NVC）的方法。一个蒙特卡洛模拟实验将我们的S&NVC模型与现有SVC模型比较，表明我们的方法在建模精度与计算效率上均具优势。此外，有些令人惊讶的是，即使通常的SVC模型深受严重虚假相关之苦，我们的方法近乎完美地识别了系数间的真实与虚假相关。这意味着即便分析目的是建模SVC，也应使用S&NVC模型。最后，我们的S&NVC模型被用于分析一个住宅地价数据集。其结果提示实践中回归系数同时存在空间与非空间变化。S&NVC模型现已在R包spmoran中实现。
引用
@article{arxiv.2005.09981,
title = {Balancing spatial and non-spatial variation in varying coefficient modeling: a remedy for spurious correlation},
author = {Daisuke Murakami and Daniel A. Griffith},
journal= {arXiv preprint arXiv:2005.09981},
year = {2021}
}