作者
上市的:- Mirosław Krzy希科
- 彼得·尼坎普
- 瓦尔德马尔·拉塔奇萨克
- 沃尔德马尔·沃因斯基
- Beata Wenerska公司
摘要
主成分分析(PCA)是定量社会科学中广泛使用的一种成熟的研究方法。本研究的主要目标是设计和评估一种新的方法,有效地解决主成分分析中多元数据集之间时空相关性的数学和统计处理。该方法基于多功能PCA的最新进展。该研究旨在优化函数主成分方差与Moran的$I$I指数的乘积,从而增强分析框架。模拟研究和实例表明,正时空主成分应使用基于距离的空间权重矩阵构建,使用基于边长的空间权重矩阵的负值。
建议引用
米洛斯·aw Krzy shi ko&Peter Nijkamp&Waldemar Ratajczak&Waldema Wołyn ski&Beata Wenerska,2024年。"时空主成分分析,"空间经济分析,Taylor&Francis期刊,第19卷(1),第8-29页,1月。手柄:RePEc:taf:specan:v:19:y:2024:i:1:p:8-29
内政部:10.1080/17421772.202237532
从出版商下载全文
由于此文档的访问受到限制,您可能希望搜索换一个不同的版本。
更正
本网站上的所有材料均由各自的出版商和作者提供。你可以帮助纠正错误和遗漏。请求更正时,请提及此项目的句柄:RePEc:taf:specan:v:19:y:2024:i:1:p:8-29。请参阅一般信息关于如何更正RePEc中的材料。
如果您编写了此项目,但尚未在RePEc注册,我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用这个表格。
如果你知道引用这一条的缺失条目,你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者,您可能还需要检查您的RePEc作者服务个人资料,因为可能有一些引文等待确认。
有关本项目的技术问题,或更正作者、标题、摘要、书目或下载信息,请联系:Chris Longhurst(以下电子邮件可用)。供应商的一般联系方式:http://www.tandfonline.com/RSEA20。
请注意,更正可能需要几周时间才能筛选出来各种RePEc服务。