محتوا و سرفصل ها

مفاهیم فضا

برای بررسی مدل رگرسیون فضایی ، ابتدا به بررسی مفهوم فضا می پردازیم.

فضا موضوعي است که در علومي همچون رياضيات، نجوم، فيزيک، شيمي، اقتصاد، جامعه شناسي، معماري، شهرسازي و جغرافيا مطرح ميشود و در هر يک از اين علوم، ممکن است با تعاریف گوناگوني ارائه شود (افروغ، 1377  )

عناصر اصلي هر کالبد يا فضاي شهري را در ديدگاه مشترک رياضيات، معماري و جغرافيا ميتوان در چهار زير مجموعه مهم خلاصه نمود.

به عبارت ديگر، عناصر سازنده يک مکان در چهار عامل کالبدی مستتر هستند.

اين عوامل شامل: نقطه، خط، سطح و حجم م يباشند. تجمع نقاط، است.

مکان در بردارنده مشخصات مهمي  مکان ، خطوط، سطوح و احجام در کنار هم، سازنده پديده تکامل يافته تري به نام چون عناصر طبيعي و انساني است.

مکان با ويژگيهايي همانند طول و عرض جغرافيايي براي هر نقطه معرفي م يگردد. از طرفی دیگر، مکان ميتواند واجد ارتفاعي مشخص از سطح دريا و بسياري مشخصات طبيعي و انساني ديگر نيز باشد.

در آمار فضائی ، معمولاً با داد ه هايي روبرو هستيم که جنبه هاي مکاني در آنها مطرح است. لذا قبل از هر چیز بايد به تعيين کميت و مقدار عددي جنبه هاي مکاني پرداخت.

براي انجام اين موضوع دو منبع اطلاعاتي در اختيار است:

يکی موقعيت در صفحۀ مختصات که از طريق طول و عرض جغرافيايي بیان ميشود و بر اين اساس ميتوان فاصلۀ هر نقطه در فضا را يا فاصله هر مشاهده قرار گرفته در هر نقطه را نسبت به نقاط يا مشاهدات ثابت يا مرکزي محاسبه نمود.

بنابراين مشاهداتي که به هم نزديک ترند نسبت به آنهايي که از هم دورترند، منعکس کننده وابستگي فضايي بالاتر هستند.

دومين منبع اطلاعات مکاني، مجاورت و همسايگي است که منعکس کننده موقعيت نسبي در فضاي يک واحد منطق هاي مشاهده شده، نسبت به واحدهاي ديگري از این قبيل ميباشد.

مدل رگرسیون فضایی

زماني كه رابطۀ بين متغيرهاي مستقل و وابسته در بخشي از دامنه مطالعه مثبت و در بخشي ديگر منفي شود، مدل رگرسيون معمولي قادر به تشخيص رابطه بين متغيرهاي مستقل و وابسته به طور دقيق نخواهد بود.

بنابراین مدل رگرسیون فضایی معرفی می شود تا با کمک آن بتوان روابط بین متغیرها را تعریف کرد.

علاوه بر آن، تحليل داد ه هاي فضايي، نيازمند رويكردي متفاوت به مقوله ارتباط بين متغيرهاي مستقل و وابسته در مدل است.

ايده اصلي رگرسيون وزندار فضایی بر اين اساس است که بررسي متغيرهاي مستقل و وابسته در پهنه مورد مطالعه، در مکان هايي صورت ميگيرد که موقعيت آنها مشخص است.

مشاهدات نزديکتر به هر موقعيت، داراي وزن بيشتر و مشاهدات دو رتر، داراي وزن کمتري هستند. در نظر گرفته شود.

مثال در کاربرد مدل رگرسیونی فضایی

در این بین مراکز مالی و اعتباری، به‌ویژه بانک‎ها را می‎توان یکی از مهم‎ترین فعالیت‎های اقتصادی دانست.

عوامل گوناگونی در شناسایی مکان بهینة استقرار این فعالیت‎ها دخالت دارد که موجب پیچیدگی در تصمیم‎گیری‎های مکانی می‎شود و مدلسازی روابط فضایی عوامل مؤثر را ضروری می‎کند.

رگرسیون وزنی جغرافیایی با مدل‎سازی روابط فضایی بین مجموعه‎ای از متغیرها امکان پیش‎بینی مقادیر متغیرها‎ی نامعلوم و فهم بهتر عوامل تأثیرگذار بر متغیر را می‎دهد.

روش آموزش

در این دوره آموزشی سعی شده که به زبان بسیار ساده مقدماتی ترین دستورات که  بسیار پرکاربرد است را بکار بیان کنیم.

به همین جهت این دوره آمورشی برای همه افرادی که دوره های آموزشی قبلی درباره نرم افزار استاتا را تهیه کرده اند، می تواند مفید باشد.

 دوره آموزشی مدل رگرسیونی گروه های زیر بسیار مفید خواهد بود:

• دانشجویان و فارغ التحصیلان رشته های مدیریت، حسابداری، اقتصاد، رشته های پزشکی، آمار زیستی، رشته های مهندسی کشاورزی، جامعه شناسی، علوم سیاسی
• پژوهشگران و محقیقین مراکز پژوهشی در بانک ها سازمان های دولتی و شرکت های پژوهشی
• کارشناسان بازارهای مالی
• تحلیل گران کسب و کارها
• صنایع هوافضا، بانک داری، مخابرات، خدمات مالی، بیمه درمانی، بیمه، علوم زیستی، نفت و گاز، آموزش، آمار، مدیریت داده،تهیه گزارش، تکنولوژی اطلاعات(IT)، اپتیماسیون، مدیریت ریسک و رسانه ها از جمله مواردی هستند که از این نرم افزار استفاده می کنند.

پیش نیاز:  آموزش مقدماتی نرم افزار استاتا  و  آموزش پنل دیتا در نرم افزار استاتا