When estimating models with data th

When estimating models with data that has been aggregated to geographic levels, in this case counties, it is common to find spatially autocorrelated residuals (Voss et al., 2006). It is important to test for spatial autocorrelation when using data at the county level because when spatial autocorrelation exists, regression analysis of spatially distributed variables can lead to incorrect statistical inference when proper corrections for spatial effects are not incorporated in the model specifications

ผลลัพธ์ (ไทย) 1:

เมื่อประเมินแบบจำลองกับข้อมูลที่ได้ถูกรวบรวมเพื่อระดับภูมิศาสตร์ ในกรณีนี้เขต ได้ไปหา spatially เหลือ autocorrelated (Voss et al. 2006) มันเป็นสิ่งสำคัญการทดสอบ spatial autocorrelation เมื่อใช้ข้อมูลในระดับเขตเนื่องจากเมื่อมี spatial autocorrelation วิเคราะห์การถดถอยของตัวแปร spatially กระจายสามารถนำการอนุมานทางสถิติไม่ถูกต้องเมื่อการแก้ไขที่เหมาะสมสำหรับผลกระทบเชิงพื้นที่จะไม่ถูกรวมในข้อกำหนดรูปแบบ

ผลลัพธ์ (ไทย) 2:

เมื่อประมาณการรุ่นที่มีข้อมูลที่ได้รับรวมให้อยู่ในระดับทางภูมิศาสตร์ในกรณีมณฑลนี้มันเป็นเรื่องธรรมดาที่จะหาสิ่งตกค้างอัตสหสัมพันธ์เชิงพื้นที่ (โว et al., 2006) มันเป็นสิ่งสำคัญในการทดสอบสำหรับอัตเชิงพื้นที่เมื่อมีการใช้ข้อมูลในระดับเขตเพราะเมื่ออัตเชิงพื้นที่ที่มีอยู่การวิเคราะห์การถดถอยของตัวแปรกระจายเชิงพื้นที่สามารถนำไปสู่​​การอนุมานทางสถิติไม่ถูกต้องเมื่อการแก้ไขที่เหมาะสมสำหรับผลกระทบเชิงพื้นที่ยังไม่ได้จัดตั้งขึ้นในรูปแบบรายละเอียด

ผลลัพธ์ (ไทย) 3:

เมื่อประเมินแบบจำลองกับข้อมูลที่ได้รับการรวบรวมในระดับมณฑลภูมิศาสตร์ ในกรณีนี้ มันเป็นเรื่องธรรมดาที่จะหาค่าความแตกต่าง ( 94 , et al . , 2006 ) มันเป็นสิ่งสำคัญที่จะทดสอบมิติสัมพันธ์ข้อมูลเมื่อใช้ข้อมูลระดับมณฑล เพราะเมื่อพื้นที่มีสหสัมพันธ์ การวิเคราะห์การถดถอยของตัวแปรที่สามารถนำไปสู่การกระจายเชิงพื้นที่ที่ไม่ถูกต้อง การอนุมานทางสถิติเมื่อการแก้ไขที่เหมาะสมสำหรับผลเชิงพื้นที่จะไม่รวมอยู่ในรูปแบบข้อมูล