10.3. Hồi quy địa lý đa thang đo và sai số chuẩn Conley
1. Bản chất học thuật và cấu trúc toán học
Trong phạm vi của chương Kinh tế lượng không gian, sai số chuẩn Conley và mạng cặp đôi, nhóm phương pháp Hồi quy địa lý đa thang đo và sai số chuẩn Conley giải quyết các bài toán thực nghiệm đòi hỏi đặc tả chính xác quá trình sinh dữ liệu và kiểm soát chặt chẽ cấu trúc sai số theo Cameron & Trivedi (2022); Baltagi (2021); Pesaran (2015); Greene (2019). Các mô hình trong nhóm 10.3 cùng dựa trên hệ thức cấu trúc nền tảng tại phương trình 1 theo Fotheringham, Yang & Kang (2017); Yu et al. (2020):
$$Y_i = \beta_{b_0}(u_i, v_i) + \sum_{k=1}^K \beta_{b_k}(u_i, v_i) X_{ik} + \varepsilon_i, \quad \hat{\beta}(u_i, v_i) = \left(X^\top W(u_i, v_i) X\right)^{-1}X^\top W(u_i, v_i)Y \tag*{[1]}$$
Phương trình điều kiện ước lượng và tối ưu hóa của nhóm phương pháp này được xác định tại công thức 2:
$$\ell_N(\beta, \rho, \sigma^2) = -\frac{N}{2}\ln(2\pi\sigma^2) + \ln\det\left(I_N – \rho W\right) – \frac{1}{2\sigma^2}\| (I_N – \rho W)Y – X\beta – WX\theta \|_2^2 \tag*{[2]}$$
Sự khác biệt giữa 2 mô hình từ 10.3.1. Hồi quy trọng số địa lý và đa thang đo (GWR, MGWR) đến 10.3.2. Sai số chuẩn bền vững không gian–thời gian Conley và mạng cặp đôi nằm ở giả định về phân phối của thành phần nhiễu, cơ chế nội sinh và ma trận trọng số ước lượng theo Fotheringham, Yang & Kang (2017); Yu et al. (2020); Cameron & Trivedi (2022); Baltagi (2021); Pesaran (2015); Greene (2019).
2. Bảng đối chiếu các mô hình trong nhóm
Bảng dưới đây so sánh trực tiếp bản chất kinh tế lượng, câu lệnh thực thi trên ba phần mềm và kiểm định chẩn đoán của từng bài học trong nhóm 10.3:
| Mã mục | Tên mô hình | Bản chất kinh tế lượng | Cú pháp ước lượng chuẩn Stata 18 · R 4.x · Python 3.11+ | Kiểm định chẩn đoán bắt buộc |
|---|---|---|---|---|
| 10.3.1 | Hồi quy trọng số địa lý và đa thang đo (GWR, MGWR) | Cho phép hệ số hồi quy $\beta_k[u_i, v_i]$ biến thiên liên tục theo tọa độ không gian của từng địa phương với băng thông không gian tối ưu $\text{AIC}_c$ riêng cho từng biến giải thích — MGWR: biến thể chế hoạt động ở quy mô vùng rộng, biến hạ tầng hoạt động ở quy mô cục bộ . | Stata: gwr y x1 x2, east(coord_x) north(coord_y) bandwidth(aic)R: GWmodel::gwr.multiscale(y ~ x1 + x2, data = spdf, adaptive = TRUE)Python: MGWR(coords, y, X, selector=Sel_BW(coords, y, X, multi=True)).fit() |
Băng thông tối ưu riêng $bw_k$ cho từng biến, $\text{AIC}_c$ so sánh MGWR vs GWR vs Global OLS, kiểm định Monte-Carlo / Leung $F_3$ về sự biến thiên không gian thực sự của từng $\beta_k[u_i, v_i]$. |
| 10.3.2 | Sai số chuẩn bền vững không gian–thời gian Conley và mạng cặp đôi | Suy luận hiệp phương sai phi tham số cho phép nhiễu tương quan tự do theo khoảng cách địa lý Haversine $d_{ij} \le d_{\text{cutoff}}$ — hạt nhân Bartlett không gian 2D + Newey–West thời gian — **hoặc** tương quan cặp đôi hai chiều có giao điểm nút chung $ \cap — k,\ell — \neq \emptyset$ trong dữ liệu mạng lưới song phương. | Stata: acreg y x1 x2, spatial latitude(lat) longitude(lon) dist(100)R: fixest::feols(y ~ x1 + x2, vcov = fixest::vcov_conley(lat = 'lat', lon = 'lon', cutoff = 100), data = df)Python: smf.ols('y ~ x1 + x2', data=df).fit(cov_type='HAC', cov_kwds={'maxlags': 4}) |
Đối chiếu tỷ số độ phóng đại sai số chuẩn $\text{SE}_{\text{Conley}} / \text{SE}_{\text{HC1}}$ — lượng hóa mức độ tương quan không gian ngầm , số cặp láng giềng trung bình trong bán kính $d_{\text{cutoff}}$, kiểm định nhạy cảm qua đa bán kính {50, 100, 250} km. |
3. Quy tắc lựa chọn mô hình phù hợp
Nhà nghiên cứu có thể áp dụng quy tắc phân nhánh dưới đây để chọn đúng mô hình trong nhóm 10.3 cho dữ liệu thực tế theo Cameron & Trivedi (2022); Baltagi (2021); Pesaran (2015); Greene (2019):
- Chọn 10.3.1. Hồi quy trọng số địa lý và đa thang đo (GWR, MGWR) khi: Dữ liệu không gian có tọa độ địa lý — tỉnh/huyện/đô thị — nhằm phát hiện tính không dừng không gian mà các mô hình toàn cục như SAR/SEM/SDM san phẳng thành 1 con số trung bình. — Kiểm định bắt buộc: Băng thông tối ưu riêng $bw_k$ cho từng biến, $\text{AIC}_c$ so sánh MGWR vs GWR vs Global OLS, kiểm định Monte-Carlo / Leung $F_3$ về sự biến thiên không gian thực sự của từng $\beta_k[u_i, v_i]$..
- Chọn 10.3.2. Sai số chuẩn bền vững không gian–thời gian Conley và mạng cặp đôi khi: Bắt buộc trong các bài báo Kinh tế Đô thị, Kinh tế Phát triển/Khí hậu — dữ liệu tọa độ GPS không muốn áp đặt ma trận $W$ cố định, phòng ngừa lỗi Kelly 2019 spatial noise — và Thương mại/Tài chính Song phương. — Kiểm định bắt buộc: Đối chiếu tỷ số độ phóng đại sai số chuẩn $\text{SE}_{\text{Conley}} / \text{SE}_{\text{HC1}}$ — lượng hóa mức độ tương quan không gian ngầm , số cặp láng giềng trung bình trong bán kính $d_{\text{cutoff}}$, kiểm định nhạy cảm qua đa bán kính {50, 100, 250} km..
4. Tài liệu tham khảo
- Fotheringham, Yang, & Kang(2017). Multiscale GWR. Annals of the AAG.
- Yu et al.(2020). Inference in MGWR. Geographical Analysis.
- Cameron, A. C, & Trivedi, P. K.(2022). Microeconometrics Using Stata, 2nd ed, Vol. 2, Chương 26: Spatial Regression Models. Stata Press.
- Baltagi, B. H.(2021). Econometric Analysis of Panel Data, 6th ed, Chương 13: Spatial Panel Data Models. Springer.
- Pesaran, M. H.(2015). Time Series and Panel Data Econometrics, Chương 30: Spatial Econometrics and Network Interdependence. Oxford University Press.
- Greene, W. H.(2019). Econometric Analysis, 8th ed, Chương 11: Spatial Autoregression and Robust Covariance Estimation. Pearson.
↑ Tài liệu gốc: KINH TẾ LƯỢNG ỨNG DỤNG TOÀN DIỆN TỪ A – Z
↑ Chương chủ quản: 10. Kinh tế lượng không gian, sai số chuẩn Conley và mạng cặp đôi
→ Bài học đầu tiên trong nhóm: 10.3.1. Hồi quy trọng số địa lý và đa thang đo (GWR, MGWR)