检验最小二乘回归残差的空间自相关方法
统计方法学
2018-12-19 v1 物理与社会
摘要
在统计学中，Durbin-Watson 检验常用于检测最小二乘回归分析中残差的序列相关性。然而，Durbin-Watson 统计量仅适用于有序的时间或空间序列。如果变量包含来自空间随机抽样的横截面数据，Durbin-Watson 检验将无效，因为其统计量的值取决于数据点的排列顺序。基于空间自相关的思想，本文提出了两种新的统计量，用于检验基于空间样本的最小二乘回归残差的序列相关性。类比于 Moran 指数的新形式，利用标准化残差向量和归一化空间权重矩阵定义了自相关系数。随后，类比于 Durbin-Watson 统计量，构建了序列相关指数。作为案例，将这两种统计量应用于中国 29 个区域的空间样本。结果表明，新的空间自相关模型可用于检验回归分析残差的序列相关性。在实践中，新统计量可以弥补 Durbin-Watson 检验的不足。
引用
@article{arxiv.1503.04407,
title = {Spatial autocorrelation approaches to testing residuals from least squares regression},
author = {Yanguang Chen},
journal= {arXiv preprint arXiv:1503.04407},
year = {2018}
}
备注
27 pages, 4 figures, 5 tables, 2 appendices