pysal.model.spreg.
GM_Error
(y, x, w, vm=False, name_y=None, name_x=None, name_w=None, name_ds=None)[源代码]¶空间误差模型的GMM方法,包括结果和诊断;基于Kelejian和Prucha(1998年、1999年)【Kelejian1998年】【Kelejian1999年】。
参数: |
|
---|
实例
我们首先需要导入所需的模块,即numpy来将我们读取的数据转换为 spreg
理解和 pysal
执行所有分析。
>>> import pysal.lib
>>> import numpy as np
使用pysal.lib.io.open()打开关于哥伦布社区犯罪(49个地区)的数据。这是与Columbus形状文件关联的DBF。注意pysal.lib.io.open()也以csv格式读取数据;由于实际类需要以numpy数组的形式传入数据,因此用户可以使用任何方法读取其数据。
>>> dbf = pysal.lib.io.open(pysal.lib.examples.get_path('columbus.dbf'),'r')
从dbf文件中提取hoval列(主值),并使其成为回归的因变量。请注意,pysal要求这是一个形状(n,1)的numpy数组,而不是其他包接受的(n,1)的常见形状。
>>> y = np.array([dbf.by_col('HOVAL')]).T
从dbf中提取犯罪(crime)和inc(inc)向量,作为回归中的独立变量。注意,pysal要求这是一个nxj numpy数组,其中j是独立变量的数量(不包括常量)。默认情况下,这个类向传入的自变量添加一个1的向量。
>>> names_to_extract = ['INC', 'CRIME']
>>> x = np.array([dbf.by_col(name) for name in names_to_extract]).T
由于我们想要运行一个空间误差模型,我们需要指定空间权重矩阵,该矩阵将观测的空间配置包含到模型的误差分量中。为此,我们可以打开一个已经存在的gal文件或创建一个新的gal文件。在这种情况下,我们将使用 columbus.gal
,其中包含我们在整个示例中使用的Columbus数据集中的观测值之间的连续关系。注意,为了读取文件,不仅要打开它,还需要在命令末尾附加“.read()”。
>>> w = pysal.lib.io.open(pysal.lib.examples.get_path("columbus.gal"), 'r').read()
除非有充分的理由不这样做,否则必须对权重行进行标准化,以便矩阵的每一行合计为一。除其他外,HIS允许将变量的空间滞后解释为相邻观测的平均值。在Pysal中,可以通过以下方式轻松执行:
>>> w.transform='r'
我们都准备好了初步设计,我们很好地运行模型。在这种情况下,我们需要变量和权重矩阵。如果我们希望在输出摘要中打印变量的名称,那么我们也必须将它们传入,尽管这是可选的。
>>> model = GM_Error(y, x, w=w, name_y='hoval', name_x=['income', 'crime'], name_ds='columbus')
一旦我们运行了模型,我们就可以对输出进行一点探索。我们创建的回归对象有许多属性,因此请花点时间来发现它们。请注意,由于我们运行的是1998/99年的经典GMM误差模型,因此空间参数是作为一个点估计获得的,因此尽管您得到了它的一个值(model.betas下的系数有一个值),但您不能对它进行推理(model.se_betas中只有三个值)。
>>> print model.name_x
['CONSTANT', 'income', 'crime', 'lambda']
>>> np.around(model.betas, decimals=4)
array([[ 47.6946],
[ 0.7105],
[ -0.5505],
[ 0.3257]])
>>> np.around(model.std_err, decimals=4)
array([ 12.412 , 0.5044, 0.1785])
>>> np.around(model.z_stat, decimals=6) #doctest: +SKIP
array([[ 3.84261100e+00, 1.22000000e-04],
[ 1.40839200e+00, 1.59015000e-01],
[ -3.08424700e+00, 2.04100000e-03]])
>>> round(model.sig2,4)
198.5596
属性: |
|
---|
__init__
(y, x, w, vm=False, name_y=None, name_x=None, name_w=None, name_ds=None)[源代码]¶初始化自身。请参阅帮助(键入(self))以获得准确的签名。
方法
__init__ \(y,x,w[,vm,nameu y,nameu x,…]) |
初始化自身。 |
属性
mean_y |
|
std_y |