SPATIAL
REGRESSION
Praktikum 9 | Statistika Spasial
rahmaanisa@[Link]
MODEL SPASIAL GLOBAL
y Wy XB u; u Wu
~ N (0, 2 I )
0 0 0 𝜌≠0
0 0 0 𝜆≠0
OLS SEM SAR SARMA
y XB y XB u y Wy XB 𝑦 = 𝜌𝑊𝑦 + 𝑋𝐵 + 𝑢
Eksplorasi Data
Regresi Klasik & Uji Asumsi
TAHAPAN Matriks Pembobot Spasial
REGRESI
SPASIAL Uji Lagrange Multiplier
Regresi Spasial & Uji Asumsi
Kebaikan Model
Silahkan download files yang ada pada link berikut ini:
[Link]
JAWA BARAT DATA SET
• Data yang Anda download terdiri dari dua jenis data:
1. Data polygon (peta Jawa Barat, dengan extension .shp)
2. Dataframe (data pendidikan dan kemiskinan, diperoleh dari BPS)
STUDY KASUS: KEMISKINAN DI JAWA
BARAT
Sumber: [Link]
STUDY
KASUS:
KEMISKINAN
DI JAWA
BARAT
Sumber: [Link]
STUDY KASUS: KEMISKINAN DI JAWA
BARAT
• Y : Persentase Penduduk Miskin Tahun 2016
• X : Angka Melek Huruf Tahun 2016
IMPORT DATA
library(spdep)
library(rgdal)
library(raster)
#copy dulu data dari file Jabar Data (gabung).xlsx
[Link]<-[Link]("clipboard")
jabar2<-readOGR(dsn=“directory tempat folder utk file .shp", layer=“nama file shp")
DATA
EXPLORATION
RELATIONSHIP
OF THE DATA
plot([Link]$EYS2016,
[Link]$p.miskin16,
xlab="Angka Melek Huruf
Thn.2016", ylab="Persentase
Penduduk Miskin Thn.2016",
pch=20, col="orange", cex=2)
RELATIONSHIP
OF THE DATA
[Link]([Link], col=2,
add=T)
PLOT PERSENTASE PENDUDUK MISKIN
TAHUN 2016
k=16
colfunc <-
colorRampPalette(c("green",
"yellow","red"))
color<-colfunc(k)
library(sp)
jabar2$miskin2<-
[Link]$p.miskin16
spplot(jabar2, "miskin2",
[Link]=color)
MORAN’S TEST
w<-poly2nb(jabar2)
ww<-nb2listw(w)
moran([Link]$p.miskin16,
ww,
n=length(ww$neighbours),
S0=Szero(ww))
[Link]([Link]$[Link]
in16, ww,randomisation=T,
alternative="greater")
MORAN PLOT
[Link]([Link]$p.miskin16, ww, labels=[Link]$KABKOT)
CL ASSICAL
REGRESION
MODELING
OLS METHOD
[Link]<-lm(p.miskin16~EYS2016,[Link])
[Link]<-residuals([Link])
summary([Link])
MODEL DIAGNOSTICS: NORMALITY
TEST
library(nortest)
library(car)
library(DescTools)
library(lmtest)
[Link]([Link])
hist([Link])
qqnorm([Link],datax=T)
qqline(rnorm(length([Link]),mean([Link]),sd([Link])),datax=T, col="red")
MODEL DIAGNOSTICS: NORMALITY TEST
H0: galat model menyebar normal
H1: galat model tidak menyebar normal
MODEL DIAGNOSTICS: INDEPENDENCE
durbinWatsonTest([Link]) H0: galat model saling bebas
RunsTest([Link]) H1: galat model tidak saling bebas
MODEL DIAGNOSTICS:
HETEROSCEDASTICS
bptest([Link])
H0: ragam galat homogen
H1: ragam galat tidak homogen
EXPLORE FOR
S PAT I A L
A U T O C O R R E L AT I O N
MORAN’S TEST
w<-poly2nb(jabar2)
ww<-nb2listw(w)
moran([Link],
ww,
n=length(ww$neighbou
rs), S0=Szero(ww))
[Link]([Link]
, ww,randomisation=T,
alternative="greater")
L AGRANGE
MULTIPLIER
TEST
LM-TEST
LM<-[Link]([Link], nb2listw(w, style="W"),test=c("LMerr",
"LMlag","RLMerr","RLMlag","SARMA"))
Lagrange multiplier diagnostics for spatial dependence
LMerr = 8.3738, df = 1, p-value = 0.003807
LMlag = 6.644, df = 1, p-value = 0.009949
RLMerr = 1.8188, df = 1, p-value = 0.1775
RLMlag = 0.089011, df = 1, p-value = 0.7654
SARMA = 8.4628, df = 2, p-value = 0.01453
SPATIAL
REGRESSION
MODELING
MODEL SAR
sar<-lagsarlm(p.miskin16~EYS2016,data=[Link],nb2listw(w))
[Link]<-residuals(sar)
[Link]([Link])
[Link](sar)
RunsTest([Link])
MODEL SAR
MODEL SAR
MODEL SEM
sem<-errorsarlm(p.miskin16~EYS2016,data=[Link],nb2listw(w))
[Link]<-residuals(sem)
[Link]([Link])
[Link](sem)
RunsTest([Link])
MODEL SEM
MODEL SEM
MODEL GSM/SARMA
gsm<-sacsarlm(p.miskin16~EYS2016,data=[Link],nb2listw(w))
[Link]<-residuals(gsm)
[Link]([Link])
[Link](gsm)
RunsTest([Link])
MODEL GSM/SARMA
MODEL GSM/SARMA
GOODNESS OF
FITS
GOODNESS OF FITS
MKT SAR SEM SARMA
AIC 131.04 125.11 124.28 126.16
Rho 0.59077* -0.14631
(p-value) - (0.00485) - (0.70779)
Lambda 0.61765* 0.69299*
(p-value) - - (0.00308) (0.00266)
Normalitas Sisaan Terpenuhi Terpenuhi Terpenuhi Terpenuhi
Homogenitas sisaan Terpenuhi Terpenuhi Terpenuhi Terpenuhi
Kebebasan sisaan Terpenuhi Terpenuhi Terpenuhi Terpenuhi
GOODNESS OF FITS
MKT SAR SEM SARMA
AIC 131.04 125.11 124.28 126.16
Rho 0.59077* -0.14631
(p-value) - (0.00485) - (0.70779)
Lambda 0.61765* 0.69299*
(p-value) - - (0.00308) (0.00266)
Normalitas Sisaan Terpenuhi Terpenuhi Terpenuhi Terpenuhi
Homogenitas sisaan Terpenuhi Terpenuhi Terpenuhi Terpenuhi
Kebebasan sisaan Terpenuhi Terpenuhi Terpenuhi Terpenuhi
THANK YOU