28
Modellerweiterung zur Analyse râumlicher Effekte
raumstatistisches Kriterium wird die G-Statistik von Getis und Ord (1992) verwendet.
Abbildung 4 zeigt für das Intervall [25km, 280km] die standardisierten Werte der Z-
Statistik für G. Es zeigt, dass das Maximum für râumliche Korrelation bei 120km
erreicht wird, danach fâllt die Statistik wieder deutlich ab.
Im Folgenden wird daher neben den beiden kilometerbasierten linearen und quadra-
tischen metrischen Distanzmatrizen auch eine binâre Distanzmatrix auf Basis des
ermittelten Schwellenwertes von 120km verwendet. Alle Matrizen werden über ihre
Zeilensumme standardisiert. Jedes Matrixelement w* kann dabei berechnet werden
als:
(11) wi*j = wij / Σj wij.
Abbildung 4:
Entwicklung der G-Statistik von Getis und Ord (1992) für Distanzen
im Intervall [25km, 280km]

Bevor die râumlich-okonometrischen Modelle geschâtzt werden, wird zunâchst
überprüft, ob das in Tabelle 1 prâferierte „raumlose“ Modell (Spalte V) fehlspezifi-
ziert ist. Wir verwenden hierfür die sogenannte Moran’s I Statistik, um für râumliche
Autokorrelation in den Residuen zu testen (siehe dazu u.a. LeSage und Pace,
2009). Sowohl auf Basis der (linear und quadratisch approximierten) metrischen als
auch der optimalen binâren Gewichtungsmatrix zeigen die Modellresiduen für das in
More intriguing information
1. DETERMINANTS OF FOOD AWAY FROM HOME AMONG AFRICAN-AMERICANS2. The Value of Cultural Heritage Sites in Armenia: Evidence From a Travel Cost Method Study
3. The name is absent
4. Fiscal Reform and Monetary Union in West Africa
5. ESTIMATION OF EFFICIENT REGRESSION MODELS FOR APPLIED AGRICULTURAL ECONOMICS RESEARCH
6. The Variable-Rate Decision for Multiple Inputs with Multiple Management Zones
7. Biologically inspired distributed machine cognition: a new formal approach to hyperparallel computation
8. WP 1 - The first part-time economy in the world. Does it work?
9. he Virtual Playground: an Educational Virtual Reality Environment for Evaluating Interactivity and Conceptual Learning
10. The urban sprawl dynamics: does a neural network understand the spatial logic better than a cellular automata?