آنالیز حساسیت برآوردگرها نسبت به پارامتر همبستگی فضایی در مدل اتورگرسیو فضایی
چکیده
در پژوهش های علوم منطقه ای، داده هایی مورد تجزیه و تحلیل قرار می گیرند که خاصیت مکانی دارند. به چنین داده هایی، داده های فضایی می گویند. این قبیل داده ها در بعد فضا(مکان) جمع آوری می شوند.زمانی که با داده های فضایی کار می کنیم رخداد دو مساله وابستگی فضایی بین مشاهدات و ناهمسانی فضایی دور از انتظار نخواهد بود. نادیده گرفتن این اثرات و استفاده از مدل های رگرسیونی مرسوم، ممکن است منجر به برآوردهایی اریب و ناکارا شود. به همین دلیل از مدل های رگرسیون فضایی برای تحلیل چنین داده هایی استفاده می شود. یک کلاس از مدل های رگرسیون فضایی، مدل اتورگرسیو فضایی (sar) است که برای ارزیابی شدت وابستگی فضایی بکار می رود. این مدل دقت پیش بینی بهتری برای بسیاری از مجموعه داده هایی که دارای بعد مکانی و فضایی اند به دست می آورد. برآوردگرهای مدل های اتورگرسیو فضایی بطور غیرخطی وابسته به پارامتر همبستگی فضایی هستند. با توجه به نقش مهم پارامتر همبستگی فضایی در مدل بندی و فرم برآوردگرها، یک مساله مهم بررسی حساسیت برآوردگرهای حاصل نسبت به پارامتر همبستگی فضایی با استفاده از مفاهیم آنالیز حساسیت است. در بحث آنالیز حساسیت یک مدل مفید و کاراست اگر برآوردگرهای پارامترهای آن نسبت به انحراف های کوچک از مفروضات مدل، حساس نباشند. بطور کلی مباحث آنالیز حساسیت شامل دو بخش است : موضعی و فراموضعی. در بحث حساسیت موضعی، اثر تغییرات جزیی در مفروضات مدل روی خروجی مدل (ازجمله برآوردگرها و پیشگوها) بررسی می شود.مگنس(2007) حساسیت موضعی برآوردگر کمترین توان دوم تعمیم یافته در مدل رگرسیون خطی با واریانس ناهمگن مورد بررسی قرار داد. یک مثال از روش کمی آنالیز حساسیت موضعی، مشتق گیری براساس مشتقات جزیی مدل نسبت به پارامترهای ورودی است. در این پایان نامه، ابتدا برخی از روش های برآورد مدل اتورگرسیو فضایی مطالعه شده و سپس حساسیت موضعی برآوردگرهای مدل های اتورگرسیو sar و sarar بررسی خواهند شد. داده های مورد استفاده در این تحقیق مربوط به رابطه بین تولید ناخالص داخلی و اشتغال برای 30 استان کشور می باشد.