时间序列数据的空间自相关

我有一个20年数据集，其中包含一组多边形（约200个不规则形状的连续多边形）的物种丰富度的年度计数。我一直在使用回归分析来推断每个多边形的趋势（每年计数变化），以及基于管理边界的多边形数据汇总。

我确信数据中存在空间自相关，这肯定会影响汇总数据的回归分析。我的问题是-如何对时间序列数据进行SAC测试？我是否需要查看每年回归分析中残差的SAC（全局Moran's I）？还是我可以全年进行一次测试？

一旦我测试了是的，那么就有SAC了，解决这个问题容易吗？我的统计资料背景很少，我在时空建模方面阅读的所有内容听起来都很复杂。我知道R具有距离加权自协变量函数-这一点简单易用吗？

我真的很困惑如何评估/添加SAC来解决此问题，非常感谢任何建议，链接或参考。提前致谢！

根据本文，OLS在存在空间自相关的情况下是一致的，但是标准误是不正确的，需要进行调整。Solomon Hsiang 为此提供了stata和matlab代码。不幸的是，我对此并不熟悉任何R代码。

当然，在空间统计中还有其他方法可以对空间过程进行显式建模。这只是夸大了标准错误。

不幸的是，理论计量经济学家似乎对混淆感到高兴。链接的纸真的很难阅读。基本上说的是运行所需的任何回归，然后在以后修正标准错误，即：使用Hsiang的代码。除非您尝试估计估计量的方差，否则不会进入空间。凭直觉，如果所有差异都接近，那么您就不太可能确定您的估计不仅仅是一些未观察到的空间冲击的产物。

请注意，您需要指定一个内核带宽，您认为该带宽可能正在空间进程上运行。

这个答案基本上是我在这里所做的类似答案的复制/粘贴重排

如果问题是自相关错误，则，则OLS是一致的，但效率很低，如ACD所说。这就像时间序列计量经济学中的序列相关。$y = X\beta + u, u=\rho Wu + \epsilon$

但是，如果存在空间自相关性（也令人困惑地称为自相关），则 ，则OLS不一致。与缺少变量偏向是一回事。如果同时存在这两个问题，则需要使用Spatial Durbin模型，。ÿ = ρ w ^ ý + X β + w ^ X λ + $y = \rho W y+ X\beta + \epsilon$$y = \rho W y + X\beta + WX \lambda + \epsilon$

R 的spdep程序包包含许多函数，这些函数可计算空间权重矩阵，估计空间回归并执行其他操作。我对这些lagsarlm函数有丰富的经验，但是在软件包文档中看到，有一个sacsarlm函数似乎与您所寻找的功能更多。

吨吨- $W$$t$$t-1$$t +1$

$W$$X$