Title (Arabic)
بعض طرائق تقدير الأنموذجين و للبيانات المعتمدة مكانيا
DOI
10.33095/jeas.v25i113.1710
Abstract
In This Paper, some semi- parametric spatial models were estimated, these models are, the semi – parametric spatial error model (SPSEM), which suffer from the problem of spatial errors dependence, and the semi – parametric spatial auto regressive model (SPSAR). Where the method of maximum likelihood was used in estimating the parameter of spatial error ( λ ) in the model (SPSEM), estimated the parameter of spatial dependence ( ρ ) in the model ( SPSAR ), and using the non-parametric method in estimating the smoothing function m(x) for these two models, these non-parametric methods are; the local linear estimator (LLE) which require finding the smooth parameter ( h ) according to the cross validation criterion ( CV ), the Local linear two step estimator after removing the effect of the spatial errors dependence , once using variance- covariance spatial matrix of errors ( Ω )using kernel function(LLEK2) and other through the use of variance- covariance spatial matrix of errors ( Ω* ) using cubic B-Spline estimator (LLECS2), to remove the effect of the spatial errors dependence, also the Local linear two step estimator using Suggested kernel estimator, once using variance- covariance spatial matrix of errors using kernel estimator (SUGK2), and other through the use of variance- covariance spatial matrix of errors using cubic B-Spline estimator (SUGCS2) to removing the effect of the spatial errors dependence. From the simulation experiment, with a frequency of 1000 times, for three sample sizes, three levels of variance, for two model, and Calculate the matrix of distances between the sites of the observations through the Euclidean distance, the two estimated methods mentioned above were used to estimate (SPSEM) and (SPSAR) models, using the spatial Neighborhoods matrix modified under the Rook Neighboring criteria. Comparing these methods using mean absolute percentage error (MAPE) turns out that the best method for the SPSEM) model is (SUGCS2) method, and for (SPSAR) model is (LLECS2) method.
Abstract (Arabic)
في هذا البحث تم تقدير بعض النماذج المكانية شبه المعلميه والمتمثلة بانموذج خطأ الانحدار الذاتي المكاني شبه المعلمي والذي يعاني من مشكلة ارتباطات الأخطاء المكانية وإنموذج الانحدار الذاتي المكاني شبه المعلمي ، إذ تم استعمال طريقة الإمكان الأعظم لتقدير معلمة الخطاء المكاني في إنموذج وتقدير معلمة الاعتماد المكاني في إنموذج ، وكذلك استعملت عدة طرائق لامعلمية لتقدير دالة التمهيد للأنموذجين ومن هذه الطرائق طريقة المقدر الخطي الموضعي والتي من ضمنها إيجاد معلمة التمهيد وفقا لمعيار العبور الشرعي ، وطريقة ذو المرحلتين للمقدر الخطي الموضعي مرة باستعمال مصفوفة التباين والتباين المشترك المكانية للأخطاء باستعمال دالة كيرنل وأخرى من خلال استعمال مصفوفة التباين والتباين المشترك المكانية للأخطاء باستعمال شريحة -التكعيبية ، وذلك لإزالة تأثير الارتباطات المكانية للأخطاء، وكذلك طريقة ذو المرحلتين للمقدر الخطي الموضعي باستعمال دالة كيرنل المقترحة مرة باستعمال مصفوفة التباين والتباين المشترك المكانية للأخطاء باستعمال دالة كيرنل ، وأخرى من خلال استعمال مصفوفة التباين والتباين المشترك المكانية للأخطاء باستعمال شريحة -التكعيبية وذلك لإزالة تأثير الارتباطات المكانية للأخطاء. وبعد إجراء تجربة المحاكاة وبتكرار 1000 مرة ولثلاث حجوم عينات وثلاث مستويات للتباين ولأنموذجين وحساب مصفوفة المسافات بين مواقع المشاهدات من خلال المسافة الاقليدية تم استعمال طرائق التقدير أعلاه لأنموذجي ومستعملا مصفوفة التجاورات المكانية المعدلة في ظل معيار تجاور Rook وبمقارنة هذه الطرائق بمعيار متوسط الخطأ النسبي المطلق تبين أن أفضل طريقة في تقدير إنموذج هي طريقة ، أما تقدير إنموذج فهي طريقة .
Recommended Citation
Hussein, S. M., & Akkar, A. A. (2019). Some Estimation methods for the two models SPSEM and SPSAR for spatially dependent data. Journal of Economics and Administrative Sciences, 25(113), 499-525. https://doi.org/10.33095/jeas.v25i113.1710
First Page
499
Last Page
525
