面向空间经济数据的地理加权回归分析：一种贝叶斯方法
应用统计
2020-07-07 v1
摘要
地理加权回归（GWR）是空间数据分析中探究回归关系空间非平稳性的著名统计方法。本文讨论 GWR 的一种贝叶斯方法。基于 spike-and-slab 先验的贝叶斯变量选择、基于范围先验的带宽选择，以及使用修正的偏差信息准则和修正的伪边际似然对数的模型评估，在本文中均得到充分讨论。同时引入了图距离在面状数据建模中的使用。我们开展了广泛的模拟研究，以考察所提方法在少量与大量位置场景下的经验表现，并与经典频率学 GWR 进行比较。所提方法在不同情形下的变量选择与估计表现令人满意。我们进一步将所提方法应用于中国 30 个选定省份的省级宏观经济数据分析。估计与变量选择结果揭示了对中国经济令人信服且与既往研究和事实相符的见解。
引用
@article{arxiv.2007.02222,
title = {Geographically Weighted Regression Analysis for Spatial Economics Data: a Bayesian Recourse},
author = {Zhihua Ma and Yishu Xue and Guanyu Hu},
journal= {arXiv preprint arXiv:2007.02222},
year = {2020}
}