Zulfa Putri Asmawi - Tugas3 - Spasial2020
Zulfa Putri Asmawi - Tugas3 - Spasial2020
NIM: H051171305
Analisis Data Spasial
REGRESI SPASIAL DALAM R
Terdapat 4 model Regresi sederhana:
a. OLS: : y= Xβ+ ε (Non-Spasial)
Dalam karangka kerja regresi standar, y= Xβ+ ε dua spesifikasi stokastik adalah
pertama bahwa ekspektasi bersyarat dari e yang diberikan X menjadi nol (atau
untuk X tetap, e memiliki ekspetasi nol)
b. SLX Spasial Lagged X : y= Xβ+WXθ+ ε (Model Lokal Spasial)
c. SAR Spasial Lag : y= ρWy+ Xβ +ε (Model Global Spasial)
d. SEM Spasial Error : y= Xβ+ μ , μ=λWμ +ε (Model Global)
OLS
reg1=lm(reg.eq1,data=spat.data)
summary(reg1)
lm.morantest(reg1,listw1)
lm.LMtests(reg1,listw1,test="all")
#p=rho, T=theta, and L=lambda
Output:
SLX Spasial Lagged X
library(spatialreg)
reg2=lmSLX(reg.eq1,data=spat.data, listw1)
summary(reg2)
impacts(reg2,listw=listw1)
summary(impacts(reg2,listw=listw1,R=500),zstats=TRUE) #menambahkan
zstats,pvals; R=500 tidak diperluakan dalam SLX
#membuat lagged x's
x1=model.matrix(reg1) #x values used in OLS regression #1
#membuat nilai lagged X, mengganti nama "lagx."
lagx1=create_WX(x1,listw1,prefix="lagx")
spat.data2=cbind(spat.data,lagx1)
reg2b=lm(DUI1802~SALESPC+COLLENRP+BKGRTOABC+BAPTISTSP+BKG
RTOMIX+ENTRECP+ lagx.SALESPC+ lagx.COLLENRP +lagx.BKGRTOABC
+lagx.BAPTISTSP +lagx.BKGRTOMIX +lagx.ENTRECP, data=spat.data2)
summary(reg2b)
rsq.reg2=1-sum(reg2$residuals^2)/
(var(spat.data$DUI1802)*(length(spat.data$DUI1802)-1))
rsq.reg2b=1-sum(reg2b$residuals^2)/
(var(spat.data$DUI1802)*(length(spat.data$DUI1802)-1))
rsq.reg2
rsq.reg2b
Output:
SAR Lag Spasial
reg3=lagsarlm(reg.eq1,data= spat.data, listw1)
summary(reg3)
impacts(reg2,listw=listw1)
summary(impacts(reg2,listw=listw1,R=500),zstats=TRUE) #menambahkan
zstats,pvals; R=500 tidak diperlukan dalam SLX
impacts(reg3,listw=listw1)
summary(impacts(reg3,listw=listw1,R=500),zstats=TRUE) #Menambahkan
zstats,pvals
Output:
`
SEM Spasial Error
reg4=errorsarlm(reg.eq1,data=spat.data, listw1)
summary(reg4)
Output: