R语言 spdep包 stsls()函数中文帮助文档(中英文对照)

loveR

stsls(spdep)
stsls()所属R语言包：spdep

                                        Generalized spatial two stage least squares
                                         广义空间两阶段最小二乘法

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The function fits a spatial lag model by two stage least squares, with the option of adjusting the results for heteroskedasticity.
该功能适合空间滞后模型的两阶段最小二乘法，异方差性调整的结果的选项。


用法----------Usage----------


stsls(formula, data = list(), listw, zero.policy = NULL,
na.action = na.fail, robust = FALSE, HC=NULL, legacy=FALSE, W2X = TRUE)



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：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 lagsarlm() 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lagsarlm()终止错误


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：robust
default FALSE, if TRUE, apply a heteroskedasticity correction to the coefficients covariances
默认是false，如果为TRUE，应用异方差校正系数，协方差


参数：HC
default NULL, if robust is TRUE, assigned “HC0”, may take values “HC0” or “HC1” for White estimates or MacKinnon-White estimates respectively
默认NULL，如果robust是TRUE，分配“HC0”，可能需要值的HC0“”盐酸“白色的估计或麦金农白估计分别为


参数：legacy
the argument chooses between two implementations of the robustness correction: default FALSE - use the estimate of Omega only in the White consistent estimator of the variance-covariance matrix, if TRUE, use the original implementation which runs a GLS using the estimate of Omega, and yields different coefficient estimates as well - see example below
参数之间进行选择两种实现方式的稳健性修正：默认为false  - 使用估计只有欧米茄在白宫一致估计的方差 - 协方差矩阵，如果为TRUE，使用原来的执行运行GLS使用的估计欧米茄，产生不同的系数估计值，以及 - 看下面的例子


参数：W2X
default TRUE, if FALSE only WX are used as instruments in the spatial two stage least squares; until release 0.4-60, only WX were used - see example below  
默认TRUE，FALSE只有WX使用的工具在空间两阶段最小二乘，直到发布0.4-60，只有WX  - 见下面的例子


Details

详细信息----------Details----------

The fitting implementation fits a spatial lag model:
空间滞后模型的拟合实现适合：

by using spatially lagged X variables as instruments for the spatially lagged dependent variable.
通过使用空间滞后变量X的空间滞后因变量的工具。


值----------Value----------

an object of class "stsls" containing:
对象类“stsls”包含：


参数：coefficients
coefficient estimates
系数估计值


参数：var
coefficient covariance matrix
系数的协方差矩阵


参数：sse
sum of squared errors
误差平方和


参数：residuals
model residuals
模型残差


参数：df
degrees of freedom
自由度


（作者）----------Author(s)----------


Luc Anselin, Gianfranco Piras and Roger Bivand



参考文献----------References----------

stage least squares procedure for estimating a spatial autoregressive model with autoregressive disturbances. Journal of Real Estate

参见----------See Also----------

lagsarlm
lagsarlm


实例----------Examples----------


data(oldcol)
COL.lag.eig <- lagsarlm(CRIME ~ INC + HOVAL, data=COL.OLD, nb2listw(COL.nb))
summary(COL.lag.eig, correlation=TRUE)
COL.lag.stsls <- stsls(CRIME ~ INC + HOVAL, data=COL.OLD, nb2listw(COL.nb))
summary(COL.lag.stsls, correlation=TRUE)
COL.lag.stslsW <- stsls(CRIME ~ INC + HOVAL, data=COL.OLD, nb2listw(COL.nb), W2X=FALSE)
summary(COL.lag.stslsW, correlation=TRUE)
COL.lag.stslsR <- stsls(CRIME ~ INC + HOVAL, data=COL.OLD, nb2listw(COL.nb),
robust=TRUE, W2X=FALSE)
summary(COL.lag.stslsR, correlation=TRUE)
COL.lag.stslsRl <- stsls(CRIME ~ INC + HOVAL, data=COL.OLD, nb2listw(COL.nb),
robust=TRUE, legacy=TRUE, W2X=FALSE)
summary(COL.lag.stslsRl, correlation=TRUE)
data(boston)
gp2a <- stsls(log(CMEDV) ~ CRIM + ZN + INDUS + CHAS + I(NOX^2) + I(RM^2) +
  AGE + log(DIS) + log(RAD) + TAX + PTRATIO + B + log(LSTAT),
data=boston.c, nb2listw(boston.soi))
summary(gp2a)

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。