GMerrorsar(spdep)
GMerrorsar()所属R语言包：spdep
Spatial simultaneous autoregressive error model estimation by GMM
空间的同时自回归误差模型估计GMM
译者：生物统计家园网 机器人LoveR
描述----------Description----------
An implementation of Kelejian and Prucha's generalised moments estimator for the autoregressive parameter in a spatial model.
Kelejian和Prucha一个空间模型，自回归参数的广义矩估计的实现。
用法----------Usage----------
GMerrorsar(formula, data = list(), listw, na.action = na.fail,
zero.policy = NULL, method="nlminb", arnoldWied=FALSE,
control = list(), pars, scaleU=FALSE, verbose=NULL, legacy=FALSE,
se.lambda=TRUE, returnHcov=FALSE, pWOrder=250, tol.Hcov=1.0e-10)
## S3 method for class 'gmsar'
summary(object, correlation = FALSE, Hausman=FALSE, ...)
GMargminImage(obj, lambdaseq, s2seq)
参数----------Arguments----------
参数：formula
a symbolic description of the model to be fit. The details of model specification are given for lm()
一个象征性的模型来描述是合适的。型号规格的细节给予lm()
参数：data
an optional data frame containing the variables in the model. By default the variables are taken from the environment which the function is called.
一个可选的数据框包含在模型中的变量。默认情况下，变量的环境，被调用的函数。
参数：listw
a listw object created for example by nb2listw
例如创建一个listw对象的nb2listw
参数：na.action
a function (default na.fail), can also be na.omit or na.exclude with consequences for residuals and fitted values - in these cases the weights list will be subsetted to remove NAs in the data. It may be necessary to set zero.policy to TRUE because this subsetting may create no-neighbour observations. Note that only weights lists created without using the glist argument to nb2listw may be subsetted.
一个函数（默认na.fail），也可以是na.omit或na.exclude残差和拟合值与后果 - 在这些情况下，将子集的权重列表中删除NAS的数据。这可能是必要的设置为TRUE zero.policy子集，因为这可能创建没有邻居观测。需要注意的是只重列表创建时没有使用的glist的参数nb2listw可能是子集。
参数：zero.policy
default NULL, use global option value; if TRUE assign zero to the lagged value of zones without neighbours, if FALSE (default) assign NA - causing GMerrorsar() to terminate with an error
默认为空，请使用全局选项的值，如果是TRUE分配了零的滞后值的区域没有邻居，如果为FALSE（默认值）指定NA - 导致GMerrorsar()终止错误
参数：method
default "nlminb", or optionally a method passed to optim to use an alternative optimizer
默认"nlminb"，或一个可选的方法传递给optim使用另一种优化
参数：arnoldWied
default FALSE
默认为false
参数：control
A list of control parameters. See details in optim or nlminb.
控制参数列表。请参阅optim或nlminb。
参数：pars
starting values for lambda and sigma squared for GMM optimisation, if missing (default), approximated from initial OLS model as the autocorrelation coefficient corrected for weights style and model sigma squared
的初始值lambda和sigma squared为GMM的优化，如果丢失（默认），从最初的OLS模型近似重量的风格和模式sigma平方的自相关系数修正
参数：scaleU
Default FALSE: scale the OLS residuals before computing the moment matrices; only used if the pars argument is missing
默认为false规模的OLS的残差前计算的那一刻矩阵，只用了如果pars参数丢失
参数：verbose
default NULL, use global option value; if TRUE, reports function values during optimization.
默认为空，请使用全局选项的值，如果为TRUE，报告函数值在优化过程中。
参数：legacy
default FALSE - compute using the unfiltered values of the response and right hand side variables; if TRUE - compute the fitted value and residuals from the spatially filtered model using the spatial error parameter
默认为false - 计算使用未经过滤的响应和右边变量的值，如果TRUE - 计算使用的空间误差参数，从空间滤波模型的拟合值和残差
参数：se.lambda
default TRUE, use the analytical method described in http://econweb.umd.edu/~prucha/STATPROG/OLS/desols.pdf
默认为true，使用的分析方法描述在http://econweb.umd.edu/~prucha / STATPROG / OLS / desols.pdf
参数：returnHcov
default FALSE, return the Vo matrix for a spatial Hausman test
默认为false，返回的Vo矩阵空间Hausman检验
参数：tol.Hcov
the tolerance for computing the Vo matrix (default=1.0e-10)
公差计算的Vo矩阵（默认值= 1.0E-10）
参数：pWOrder
default 250, if returnHcov=TRUE, pass this order to powerWeights as the power series maximum limit
默认值为250，如果returnHcov = TRUE，通过这个顺序powerWeights的电源系列最高限额
参数：object, obj
gmsar object from GMerrorsar
gmsarGMerrorsar对象
参数：correlation
logical; (default=FALSE), TRUE not available
逻辑（默认值= FALSE），TRUE不可用
参数：Hausman
if TRUE, the results of the Hausman test for error models are reported
如果为true，误差模型的Hausman检验结果报告
参数：...
summary arguments passed through
summary参数通过
参数：lambdaseq
if given, an increasing sequence of lambda values for gridding
如果给出一个递增的序列的lambda值网格
参数：s2seq
if given, an increasing sequence of sigma squared values for gridding
如果给定的，越来越序列的标准差的平方值网格
Details
详细信息----------Details----------
When the control list is set with care, the function will converge to values close to the ML estimator without requiring computation of the Jacobian, the most resource-intensive part of ML estimation.
当控制列表的设置与护理，将汇聚功能的ML估计值，而无需计算雅可比矩阵，最大似然估计的资源最密集的部分。
Note that the fitted() function for the output object assumes that the response variable may be reconstructed as the sum of the trend, the signal, and the noise (residuals). Since the values of the response variable are known, their spatial lags are used to calculate signal components (Cressie 1993, p. 564). This differs from other software, including GeoDa, which does not use knowledge of the response variable in making predictions for the fitting data.
需要注意的是拟合（）函数的输出对象的假定响应变量可重构的趋势，所述信号的总和，和噪声（残差）。由于响应变量的值是已知的，它们的空间被用来计算滞后的信号分量（经验Cressie 1993年，第564页）。这不同于其他软件，包括GeoDa，其中不使用的响应变量知识为嵌合的数据进行预测。
The GMargminImage may be used to visualize the shape of the surface of the argmin function used to find lambda.
GMargminImage可以用于可视化的形状的表面的函数用于查找拉姆达argmin。
值----------Value----------
A list object of class gmsar
一个List对象的类gmsar
参数：type
"ERROR"
“ERROR”
参数：lambda
simultaneous autoregressive error coefficient
同时自回归误差系数
参数：coefficients
GMM coefficient estimates
GMM估计系数
参数：rest.se
GMM coefficient standard errors
GMM系数的标准误差
参数：s2
GMM residual variance
GMM剩余方差
参数：SSE
sum of squared GMM errors
总和平方GMM错误的
参数：parameters
number of parameters estimated
估计的参数的数量
参数：lm.model
the lm object returned when estimating for lambda=0
lm对象返回估计lambda=0时
参数：call
the call used to create this object
用于创建此对象的调用
参数：residuals
GMM residuals
GMM残差
参数：lm.target
the lm object returned for the GMM fit
lm返回的对象的GMM配合
参数：fitted.values
Difference between residuals and response variable
残差和响应变量之间的差异
参数：formula
model formula
模型公式
参数：aliased
if not NULL, details of aliased variables
如果不为NULL，细节的别名变量
参数：zero.policy
zero.policy for this model
zero.policy此模型
参数：vv
list of internal bigG and litg components for testing optimisation surface
列表的内部BIGG和litg组件的测试优化表面
参数：optres
object returned by optimizer
返回的对象优化
参数：pars
start parameter values for optimisation
开始的参数值进行优化
参数：Hcov
Spatial DGP covariance matrix for Hausman test if available
空间的DGP协方差矩阵Hausman检验，如果有
参数：na.action
(possibly) named vector of excluded or omitted observations if non-default na.action argument used
（可能）命名为向量的排除或省略的观察，如果使用非默认na.action参数
（作者）----------Author(s)----------
Luc Anselin and Roger Bivand
参考文献----------References----------
<h3>See Also</h3>
实例----------Examples----------
data(oldcol)
COL.errW.eig <- errorsarlm(CRIME ~ INC + HOVAL, data=COL.OLD,
nb2listw(COL.nb, style="W"), method="eigen")
summary(COL.errW.eig, Hausman=TRUE)
COL.errW.GM <- GMerrorsar(CRIME ~ INC + HOVAL, data=COL.OLD,
nb2listw(COL.nb, style="W"), returnHcov=TRUE)
summary(COL.errW.GM, Hausman=TRUE)
aa <- GMargminImage(COL.errW.GM)
levs <- quantile(aa$z, seq(0, 1, 1/12))
image(aa, breaks=levs, xlab="lambda", ylab="s2")
points(COL.errW.GM$lambda, COL.errW.GM$s2, pch=3, lwd=2)
contour(aa, levels=signif(levs, 4), add=TRUE)
COL.errW.GM1 <- GMerrorsar(CRIME ~ INC + HOVAL, data=COL.OLD,
nb2listw(COL.nb, style="W"))
summary(COL.errW.GM1)
example(NY_data)
esar1f <- spautolm(Z ~ PEXPOSURE + PCTAGE65P + PCTOWNHOME, data=nydata,
listw=listw_NY, family="SAR", method="full")
summary(esar1f)
esar1gm <- GMerrorsar(Z ~ PEXPOSURE + PCTAGE65P + PCTOWNHOME,
data=nydata, listw=listw_NY)
summary(esar1gm)
esar1gm1 <- GMerrorsar(Z ~ PEXPOSURE + PCTAGE65P + PCTOWNHOME,
data=nydata, listw=listw_NY, method="Nelder-Mead")
summary(esar1gm1)
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-30 14:37:57
