APROKSIMASI DERET TAYLOR DAN POLINOMIAL CHEBYSHEV DALAM ESTIMASI PARAMETER MODEL SAR

Jajang Jajang, Budi Pratikno

Abstract


Estimasi parameter dengan MLE pada model SAR melibatkan determinan matriks pembobot spasial yang berdimensi tinggi. Para peneliti lebih sering menggunakan metode aproksimasi untuk menangani masalah ini. Dalam menangani determinan matriks spasial ini para peneliti sering menggunakan aproksimasi. Aproksimasi yaitu polynomial Chebyshev dan deret Taylor sering digunakan untuk memecahkan masalah ini,. Paper ini mengkaji performa aproksimasi ini dalam MLE untuk estimasi parameter model SAR. Dalam paper ini digunakan W-kontiguitas dan W-AMOEBA sebagai matriks pembobot spasial. Data yang digunakan digangkitkan dengan metode simulasi monte carlo. Dengan variasi koefisien lag spasial (


Full Text:

PDF

References


Aldstadt J dan Getis A. 2004. Constructing the Spatial Weights Matrix Using Local Statistic. Geographical Analysis 36: 90 – 104

Aldstadt J dan Getis A. 2006. Using AMOEBA to create a spatial weights matrix and identify spatial clusters. Geographical Analysis 8: 327 – 343

Beamonte A, Gargallo P and Salvador M. 2010. Analysis of housing price by means of STAR models with neighbourhood effects : a Bayesian approach. J Geogr Syst. 12: 227 – 240

Cubukcu K M. 2011. The spatial distribution of economic base multipliers: A GIS and spatial statistics-based cluster analysis. ITU AZ. 8(2). 2: 49 – 62

Dall’Erba S, Percoco M dan Piras G. 2008. The European regional growth process revisited. Spatial Economic analysis 3(1): 1742 – 1780

Folmer H dan Oud JHL. 2008. How to get rid of W: a Latent variables approach to modeling spatially lagged variables. Environment and Planning A 40: 2526 – 2538

Jajang, Saefuddin A, Mangku IW dan Siregar H. 2014. Comparing Performances of WG, WGnew and WC on Dynamic Spatial Panel Model By Monte Carlo Simulation. Far East Journal Of Mathematical Sciences 80(2): 155 – 167

Johnson CR. 1991. Topics in matrix analysis. New York, USA.

Lauridsen J, Sanchez M M dan Bech M. 2010. Public pharmaceutical expenditure : identification of spatial effects. J Geogr Syst. 12: 175 – 188

Marquez M A, Ramajo J dan Hewings G J D. 2010. A spatio-temporal econometric model of regional growth in spain. J Geogr Syst. 12: 207 – 226

Olejnik A. 2008. Using the spatial autoregressively distributed lag model in assessing the regional convergence of per capita income in the EU25. Journal Compilation 87(3)

Ord JK dan Getis A. 1995.Localspatial autocorrelation statistics: distributional issues and an application. Journal Geographical Analysis 27: 286 – 306

Wu Jilei et. al. 2004. Exploratory spatial data analysis for the identification of risk factors to birth defects. BMC Public Health 4: 23

Yu D dan Wei Y D. 2008. Spatial data analysis of regional development in greater Beijing, China, in a GIS environment. Journal Compilation 87


Refbacks

  • There are currently no refbacks.