Пространственные регрессионные модели - Статистическое исследование арендного сегмента рынка коммерческой недвижимости Москвы

Модели пространственной регрессии позволяют определить характер географической взаимосвязи объектов. В основном, используется три вида моделей: пространственного лага (на эндогенную переменную), лага на экзогенные переменные, пространственной ошибки. Также существуют различные вариации, например модель Дарбина, когда включается лаг как на эндогенную, так и на экзогенные переменные.

Пространственный лаг, как было упомянуто выше, представляет собой переменную Y* = WY, X* = WX, либо u* = Wu. Интерпретация значений данной переменной, будет следующей: допустим, Y-арендная ставка в бизнес-центре, если используется граничная матрица, то Y* будет равно средней арендной ставке k граничных объектов.

Наиболее простая модель пространственной авторегрессии (SAR) описывает зависимость эндогенной переменной от ее пространственного лага и экзогенных переменных:

При включении дополнительных регрессоров получим смешанную пространственную авторегрессионую модель (Модель Дарбина).

Модель пространственной авторегрессии для экзогенных переменных имеет вид:

Такие модели подразумевают, что на изучаемый показатель влияют как собственные характеристики, так и показатели соседних районов.

Также в исследованиях часто используется пространственная модель ошибок:

Оценивание данных моделей для рынка коммерческой недвижимости Москвы описано в главе 4.

Похожие статьи




Пространственные регрессионные модели - Статистическое исследование арендного сегмента рынка коммерческой недвижимости Москвы

Предыдущая | Следующая